溫馨提示×
您好，登錄后才能下訂單哦！
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
BeautifulSoup的使用
我們學(xué)習(xí)了正則表達(dá)式的相關(guān)用法，但是一旦正則寫的有問(wèn)題，可能得到的就不是我們想要的結(jié)果了，而且對(duì)于一個(gè)網(wǎng)頁(yè)來(lái)說(shuō)，都有一定的特殊的結(jié)構(gòu)和層級(jí)關(guān)系，而且很多標(biāo)簽都有id或class來(lái)對(duì)作區(qū)分，所以我們借助于它們的結(jié)構(gòu)和屬性來(lái)提取不也是可以的嗎？
所以，這一節(jié)我們就介紹一個(gè)強(qiáng)大的解析工具，叫做BeautiSoup，它就是借助網(wǎng)頁(yè)的結(jié)構(gòu)和屬性等特性來(lái)解析網(wǎng)頁(yè)的工具，有了它我們不用再去寫一些復(fù)雜的正則，只需要簡(jiǎn)單的幾條語(yǔ)句就可以完成網(wǎng)頁(yè)中某個(gè)元素的提取。
廢話不多說(shuō)，接下來(lái)我們就來(lái)感受一下BeautifulSoup的強(qiáng)大之處吧。
BeautifulSoup簡(jiǎn)介
簡(jiǎn)單來(lái)說(shuō)，BeautifulSoup就是Python的一個(gè)HTML或XML的解析庫(kù)，我們可以用它來(lái)方便地從網(wǎng)頁(yè)中提取數(shù)據(jù)，官方的解釋如下：
BeautifulSoup提供一些簡(jiǎn)單的、python式的函數(shù)用來(lái)處理導(dǎo)航、搜索、修改分析樹等功能。它是一個(gè)工具箱，通過(guò)解析文檔為用戶提供需要抓取的數(shù)據(jù)，因?yàn)楹?jiǎn)單，所以不需要多少代碼就可以寫出一個(gè)完整的應(yīng)用程序。BeautifulSoup自動(dòng)將輸入文檔轉(zhuǎn)換為Unicode編碼，輸出文檔轉(zhuǎn)換為utf-8編碼。你不需要考慮編碼方式，除非文檔沒有指定一個(gè)編碼方式，這時(shí)你僅僅需要說(shuō)明一下原始編碼方式就可以了。BeautifulSoup已成為和lxml、html6lib一樣出色的python解釋器，為用戶靈活地提供不同的解析策略或強(qiáng)勁的速度。
所以說(shuō)，利用它我們可以省去很多繁瑣的提取工作，提高解析效率。
安裝
使用之前，我們當(dāng)然需要首先說(shuō)明一下它的安裝方式。目前BeautifulSoup的最新版本是4.x版本，之前的版本已經(jīng)停止開發(fā)了，推薦使用pip來(lái)安裝，安裝命令如下：
pip3installbeautifulsoup4
當(dāng)然也可以從pypi下載whl文件安裝，鏈接如下：
https://pypi.python.org/pypi/beautifulsoup4
好，安裝完成之后可以驗(yàn)證一下，寫一段Python程序試驗(yàn)一下。
運(yùn)行結(jié)果
Hello
如果沒有報(bào)錯(cuò)，則證明安裝沒有問(wèn)題，關(guān)于它的解析用法我們?cè)诤竺鏁?huì)詳細(xì)介紹。
注意在這里我們雖然安裝的是beautifulsoup4這個(gè)包，但是在引入的時(shí)候是引入的bs4，這是因?yàn)檫@個(gè)包源代碼本身的庫(kù)文件夾名稱就是bs4，所以安裝完成之后，這個(gè)庫(kù)文件夾就被移入到我們本機(jī)Python3的lib庫(kù)里，所以識(shí)別到的庫(kù)文件名稱就叫做bs4，所以我們引入的時(shí)候就引入bs4這個(gè)包。因此，包本身的名稱和我們使用時(shí)導(dǎo)入的包的名稱并不一定是一致的。
解析器
BeautifulSoup在解析的時(shí)候?qū)嶋H上是依賴于解析器的，它除了支持Python標(biāo)準(zhǔn)庫(kù)中的HTML解析器，還支持一些第三方的解析器比如lxml，下面我們對(duì)BeautifulSoup支持的解析器及它們的一些優(yōu)缺點(diǎn)做一個(gè)簡(jiǎn)單的對(duì)比。
解析器使用方法優(yōu)勢(shì)劣勢(shì)
Python標(biāo)準(zhǔn)庫(kù)BeautifulSoup(markup, "html.parser")Python的內(nèi)置標(biāo)準(zhǔn)庫(kù)、執(zhí)行速度適中 、文檔容錯(cuò)能力強(qiáng)Python 2.7.3 or 3.2.2)前的版本中文容錯(cuò)能力差
lxml HTML 解析器BeautifulSoup(markup, "lxml")速度快、文檔容錯(cuò)能力強(qiáng)需要安裝C語(yǔ)言庫(kù)
lxml XML 解析器BeautifulSoup(markup, "xml")速度快、唯一支持XML的解析器需要安裝C語(yǔ)言庫(kù)
html5libBeautifulSoup(markup, "html5lib")最好的容錯(cuò)性、以瀏覽器的方式解析文檔、生成HTML5格式的文檔速度慢、不依賴外部擴(kuò)展
所以通過(guò)以上對(duì)比可以看出，lxml這個(gè)解析器有解析HTML和XML的功能，而且速度快，容錯(cuò)能力強(qiáng)，所以推薦使用這個(gè)庫(kù)來(lái)進(jìn)行解析，但是這里的劣勢(shì)是必須安裝一個(gè)C語(yǔ)言庫(kù)，它叫做lxml，我們?cè)谶@里依然使用pip安裝即可，命令如下：
pip3installlxml
安裝完成之后，我們就可以使用lxml這個(gè)解析器來(lái)解析了，在初始化的時(shí)候我們可以把第二個(gè)參數(shù)改為lxml，如下：
運(yùn)行結(jié)果是完全一致的，后面BeautifulSoup的用法實(shí)例也統(tǒng)一用這個(gè)庫(kù)來(lái)演示。
基本使用
下面我們首先用一個(gè)實(shí)例來(lái)感受一下BeautifulSoup的基本使用：
運(yùn)行結(jié)果：
首先我們聲明了一個(gè)變量html，它是一個(gè)HTML字符串，但是注意到，它并不是一個(gè)完整的HTML字符串，<body>和<html>標(biāo)簽都沒有閉合，但是我們將它當(dāng)作第一個(gè)參數(shù)傳給BeautifulSoup對(duì)象，第二個(gè)參數(shù)傳入的是解析器的類型，在這里我們使用lxml，這樣就完成了BeaufulSoup對(duì)象的初始化，將它賦值給soup這個(gè)變量。
那么接下來(lái)我們就可以通過(guò)調(diào)用soup的各個(gè)方法和屬性對(duì)這串HTML代碼解析了。
我們首先調(diào)用了prettify()方法，這個(gè)方法可以把要解析的字符串以標(biāo)準(zhǔn)的縮進(jìn)格式輸出，在這里注意到輸出結(jié)果里面包含了</body>和</html>標(biāo)簽，也就是說(shuō)對(duì)于不標(biāo)準(zhǔn)的HTML字符串BeautifulSoup可以自動(dòng)更正格式，這一步實(shí)際上不是由prettify()方法做的，這個(gè)更正實(shí)際上在初始化BeautifulSoup時(shí)就完成了。
然后我們調(diào)用了soup.title.string，這個(gè)實(shí)際上是輸出了HTML中<title>標(biāo)簽的文本內(nèi)容。所以soup.title就可以選擇出HTML中的<title>標(biāo)簽，再調(diào)用string屬性就可以得到里面的文本了，所以我們就可以通過(guò)簡(jiǎn)單地調(diào)用幾個(gè)屬性就可以完成文本的提取了，是不是非常方便？
標(biāo)簽選擇器
剛才我們選擇元素的時(shí)候直接通過(guò)調(diào)用標(biāo)簽的名稱就可以選擇節(jié)點(diǎn)元素了，然后再調(diào)用string屬性就可以得到標(biāo)簽內(nèi)的文本了，這種選擇方式速度非?？欤绻麊蝹€(gè)標(biāo)簽結(jié)構(gòu)話層次非常清晰，可以選用這種方式來(lái)解析。
選擇元素
下面我們?cè)儆靡粋€(gè)例子詳細(xì)說(shuō)明一下它的選擇方法。
運(yùn)行結(jié)果：
在這里我們依然選用了剛才的HTML代碼，我們首先打印輸出了title標(biāo)簽的選擇結(jié)果，輸出結(jié)果正是title標(biāo)簽加里面的文字內(nèi)容。接下來(lái)輸出了它的類型，是bs4.element.Tag類型，這是BeautifulSoup中的一個(gè)重要的數(shù)據(jù)結(jié)構(gòu)，經(jīng)過(guò)選擇器選擇之后，選擇結(jié)果都是這種Tag類型，它具有一些屬性比如string屬性，調(diào)用Tag的string屬性，就可以得到節(jié)點(diǎn)的文本內(nèi)容了，所以接下來(lái)的輸出結(jié)果正是節(jié)點(diǎn)的文本內(nèi)容。
接下來(lái)我們又嘗試選擇了head標(biāo)簽，結(jié)果也是標(biāo)簽加其內(nèi)部的所有內(nèi)容，再接下來(lái)選擇了p標(biāo)簽，不過(guò)這次情況比較特殊，我們發(fā)現(xiàn)結(jié)果是第一個(gè)p標(biāo)簽的內(nèi)容，后面的幾個(gè)p標(biāo)簽并沒有選擇到，也就是說(shuō)，當(dāng)有多個(gè)標(biāo)簽時(shí)，這種選擇方式只會(huì)選擇到第一個(gè)匹配的標(biāo)簽，其他的后面的標(biāo)簽都會(huì)忽略。
提取信息
在上面我們演示了調(diào)用string屬性來(lái)獲取文本的值，那我們要獲取標(biāo)簽屬性值怎么辦呢？獲取標(biāo)簽名怎么辦呢？下面我們來(lái)統(tǒng)一梳理一下信息的提取方式
獲取名稱
可以利用name屬性來(lái)獲取標(biāo)簽的名稱。還是以上面的文本為例，我們選取title標(biāo)簽，然后調(diào)用name屬性就可以得到標(biāo)簽名稱。
print(soup.title.name)
運(yùn)行結(jié)果:
title
獲取屬性
每個(gè)標(biāo)簽可能有多個(gè)屬性，比如id，class等等，我們選擇到這個(gè)節(jié)點(diǎn)元素之后，可以調(diào)用attrs獲取所有屬性。
print(soup.p.attrs)
print(soup.p.attrs['name'])
運(yùn)行結(jié)果：
{'class':['title'],'name':'dromouse'}
dromouse
可以看到attrs的返回結(jié)果是字典形式，把選擇的標(biāo)簽的所有屬性和屬性值組合成一個(gè)字典，接下來(lái)如果要獲取name屬性，就相當(dāng)于從字典中獲取某個(gè)鍵值，只需要用中括號(hào)加屬性名稱就可以得到結(jié)果了，比如獲取name屬性就可以通過(guò)attrs['name']得到相應(yīng)的屬性值。
其實(shí)這樣的寫法還有點(diǎn)繁瑣，還有一種更簡(jiǎn)單的獲取方式，我們可以不用寫attrs，直接節(jié)點(diǎn)元素后面加中括號(hào)，傳入屬性名就可以達(dá)到屬性值了，樣例如下：
print(soup.p['name'])
print(soup.p['class'])
運(yùn)行結(jié)果：
dromouse
['title']
在這里注意到有的返回結(jié)果是字符串，有的返回結(jié)果是字符串組成的列表。比如name屬性的值是唯一的，返回的結(jié)果就是單個(gè)字符串，而對(duì)于class，一個(gè)節(jié)點(diǎn)元素可能由多個(gè)class，所以返回的是列表，所以在實(shí)際處理過(guò)程中要注意判斷類型。
獲取內(nèi)容
可以利用string屬性獲取節(jié)點(diǎn)元素包含的文本內(nèi)容，比如上面的文本我們獲取第一個(gè)p標(biāo)簽的文本：
print(soup.p.string)
運(yùn)行結(jié)果：
The Dormouse's story
再次注意一下這里選擇到的p標(biāo)簽是第一個(gè)p標(biāo)簽，獲取的文本也就是第一個(gè)p標(biāo)簽里面的文本。
嵌套選擇
在上面的例子中我們知道每一個(gè)返回結(jié)果都是bs4.element.Tag類型，它同樣可以繼續(xù)調(diào)用標(biāo)簽進(jìn)行下一步的選擇，比如我們獲取了head節(jié)點(diǎn)元素，我們可以繼續(xù)調(diào)用head來(lái)選取其內(nèi)部的head節(jié)點(diǎn)元素。
運(yùn)行結(jié)果：
第一行結(jié)果是我們調(diào)用了head之后再次調(diào)用了title來(lái)選擇的title節(jié)點(diǎn)元素，然后我們緊接著打印輸出了它的類型，可以看到它仍然是bs4.element.Tag類型，也就是說(shuō)我們?cè)赥ag類型的基礎(chǔ)上再次選擇得到的依然還是Tag類型，每次返回的結(jié)果都相同，所以這樣我們就可以這樣做嵌套的選擇了。
最后輸出了一下它的string屬性，也就是標(biāo)簽里的文本內(nèi)容。
關(guān)聯(lián)選擇
我們?cè)谧鲞x擇的時(shí)候有時(shí)候不能做到一步就可以選擇到想要的節(jié)點(diǎn)元素，有時(shí)候在選擇的時(shí)候需要先選中某一個(gè)節(jié)點(diǎn)元素，然后以它為基準(zhǔn)再選擇它的子節(jié)點(diǎn)、父節(jié)點(diǎn)、兄弟節(jié)點(diǎn)等等。所以在這里我們就介紹下如何來(lái)選擇這些節(jié)點(diǎn)元素。
子節(jié)點(diǎn)和子孫節(jié)點(diǎn)
選取到了一個(gè)節(jié)點(diǎn)元素之后，如果想要獲取它的直接子節(jié)點(diǎn)可以調(diào)用contents屬性，我們用一個(gè)實(shí)例來(lái)感受一下：
運(yùn)行結(jié)果：
返回的結(jié)果是列表形式，p標(biāo)簽里面既包含文本，又包含標(biāo)簽，返回的結(jié)果會(huì)將他們以列表形式都統(tǒng)一返回。
注意得到的列表的每一個(gè)元素都是p標(biāo)簽的直接子節(jié)點(diǎn)，比如第一個(gè)a標(biāo)簽里面包含了一層span標(biāo)簽，這個(gè)就相當(dāng)于孫子節(jié)點(diǎn)了，但是返回結(jié)果中并沒有單獨(dú)把span標(biāo)簽選出來(lái)作為結(jié)果的一部分，所以說(shuō)contents屬性得到的結(jié)果是直接子節(jié)點(diǎn)的列表。
同樣地我們可以調(diào)用children屬性，得到相應(yīng)的結(jié)果。
運(yùn)行結(jié)果：
還是同樣的HTML文本，在這里我們調(diào)用了children屬性來(lái)進(jìn)行選擇，返回結(jié)果可以看到是生成器類型，所以接下來(lái)我們用for循環(huán)輸出了一下相應(yīng)的內(nèi)容，內(nèi)容其實(shí)是一樣的，只不過(guò)children返回的是生成器類型，而contents返回的是列表類型。
如果我們要得到所有的子孫節(jié)點(diǎn)的話可以調(diào)用descendants屬性。
運(yùn)行結(jié)果：
返回結(jié)果還是生成器，遍歷輸出一下可以看到這次的輸出結(jié)果就包含了span標(biāo)簽，descendants會(huì)遞歸地查詢所有子節(jié)點(diǎn)，得到的是所有的子孫節(jié)點(diǎn)。
父節(jié)點(diǎn)和祖先節(jié)點(diǎn)
如果要獲取某個(gè)節(jié)點(diǎn)元素的父節(jié)點(diǎn)，可以調(diào)用parent屬性。
運(yùn)行結(jié)果：
在這里我們選擇的是第一個(gè)a標(biāo)簽的父節(jié)點(diǎn)元素，很明顯它的父節(jié)點(diǎn)是p標(biāo)簽，輸出結(jié)果便是p標(biāo)簽及其內(nèi)部的內(nèi)容。
注意到這里輸出的僅僅是a標(biāo)簽的直接父節(jié)點(diǎn)，而沒有再向外尋找父節(jié)點(diǎn)的祖先節(jié)點(diǎn)，如果我們要想獲取所有的祖先節(jié)點(diǎn)，可以調(diào)用parents屬性。
運(yùn)行結(jié)果：
返回結(jié)果是一個(gè)生成器類型，我們?cè)谶@里用列表輸出了它的索引和內(nèi)容，可以發(fā)現(xiàn)列表中的元素就是a標(biāo)簽的祖先節(jié)點(diǎn)。
兄弟節(jié)點(diǎn)
上面說(shuō)明了子節(jié)點(diǎn)和父節(jié)點(diǎn)的獲取方式，如果要獲取同級(jí)的節(jié)點(diǎn)也就是兄弟節(jié)點(diǎn)應(yīng)該怎么辦？我們先用一個(gè)實(shí)例來(lái)感受一下：
運(yùn)行結(jié)果：
可以看到在這里我們調(diào)用了四個(gè)不同的屬性，next_sibling和previous_sibling分別可以獲取節(jié)點(diǎn)的下一個(gè)和上一個(gè)兄弟元素，next_siblings和previous_siblings則分別返回所有前面和后面的兄弟節(jié)點(diǎn)的生成器。
提取信息
在上面我們講解了關(guān)聯(lián)元素節(jié)點(diǎn)的選擇方法，如果我們想要獲取它們的一些信息，比如文本、屬性等等也是同樣的方法。
運(yùn)行結(jié)果：
如果返回結(jié)果是單個(gè)節(jié)點(diǎn)，那么可以直接調(diào)用string、attrs等屬性來(lái)獲得其文本和屬性，如果返回結(jié)果是多個(gè)節(jié)點(diǎn)的生成器，則可以轉(zhuǎn)為list后取出某個(gè)元素，然后再調(diào)用string、attrs等屬性來(lái)獲取其對(duì)應(yīng)節(jié)點(diǎn)等文本和屬性。
方法選擇器
前面我們所講的選擇方法都是用.這種運(yùn)算符來(lái)選擇元素的，這種選擇方法非?？?，但是如果要進(jìn)行比較復(fù)雜的選擇的話則會(huì)比較繁瑣，不夠靈活。所以BeautifulSoup還為我們提供了一些查詢的方法，比如find_all()、find()等方法，我們可以調(diào)用方法然后傳入相應(yīng)等參數(shù)就可以靈活地進(jìn)行查詢了。
最常用的查詢方法莫過(guò)于find_all()和find()了，下面我們對(duì)它們的用法進(jìn)行詳細(xì)的介紹。
find_all(name , attrs , recursive , text , **kwargs)
find_all，顧名思義，就是查詢所有符合條件的元素，可以給它傳入一些屬性或文本來(lái)得到符合條件的元素，功能十分強(qiáng)大。
name
我們可以根據(jù)標(biāo)簽名來(lái)查詢?cè)?，下面我們用一個(gè)實(shí)例來(lái)感受一下：
運(yùn)行結(jié)果：
在這里我們調(diào)用了find_all()方法，傳入了一個(gè)name參數(shù)，參數(shù)值為ul，也就是說(shuō)我們想要查詢所有ul標(biāo)簽，返回結(jié)果是list類型，長(zhǎng)度為2，每個(gè)元素依然都是bs4.element.Tag類型。
因?yàn)槎际荰ag類型，所以我們依然可以進(jìn)行嵌套查詢，還是同樣的文本，在這里我們查詢出所有ul標(biāo)簽后再繼續(xù)查詢其內(nèi)部的li標(biāo)簽。
forulinsoup.find_all(name='ul'):
print(ul.find_all(name='li'))
運(yùn)行結(jié)果：
返回結(jié)果是列表類型，列表中的每個(gè)元素依然還是Tag類型。
接下來(lái)我們就可以遍歷每個(gè)li獲取它的文本了。
運(yùn)行結(jié)果：
attrs
除了根據(jù)標(biāo)簽名查詢，我們也可以傳入一些屬性來(lái)進(jìn)行查詢，我們用一個(gè)實(shí)例感受一下：
運(yùn)行結(jié)果：
在這里我們查詢的時(shí)候傳入的是attrs參數(shù)，參數(shù)的類型是字典類型，比如我們要查詢id為list-1的節(jié)點(diǎn)，那就可以傳入attrs={'id': 'list-1'}的查詢條件，得到的結(jié)果是列表形式，包含的內(nèi)容就是符合id為list-1的所有節(jié)點(diǎn)，上面的例子中符合條件的元素個(gè)數(shù)是1，所以結(jié)果是長(zhǎng)度為1的列表。
對(duì)于一些常用的屬性比如id、class等，我們可以不用attrs來(lái)傳遞，比如我們要查詢id為list-1的節(jié)點(diǎn)，我們可以直接傳入id這個(gè)參數(shù)，還是上面的文本，我們換一種方式來(lái)查詢。
運(yùn)行結(jié)果：
在這里我們直接傳入id='list-1'就可以查詢id為list-1的節(jié)點(diǎn)元素了。而對(duì)于class來(lái)說(shuō)，由于class在python里是一個(gè)關(guān)鍵字，所以在這里后面需要加一個(gè)下劃線，class_='element'，返回的結(jié)果依然還是Tag組成的列表。
text
text參數(shù)可以用來(lái)匹配節(jié)點(diǎn)的文本，傳入的形式可以是字符串，可以是正則表達(dá)式對(duì)象，我們用一個(gè)實(shí)例來(lái)感受一下：
運(yùn)行結(jié)果：
['Hello, this is a link','Hello, this is a link, too']
在這里有兩個(gè)a節(jié)點(diǎn)，其內(nèi)部包含有文本信息，在這里我們調(diào)用find_all()方法傳入text參數(shù)，參數(shù)為正則表達(dá)式對(duì)象，結(jié)果會(huì)返回所有匹配正則表達(dá)式的節(jié)點(diǎn)文本組成的列表。
find(name , attrs , recursive , text , **kwargs)
除了find_all()方法，還有find()方法，只不過(guò)find()方法返回的是單個(gè)元素，也就是第一個(gè)匹配的元素，而find_all()返回的是所有匹配的元素組成的列表。
運(yùn)行結(jié)果：
返回結(jié)果不再是列表形式，而是第一個(gè)匹配的節(jié)點(diǎn)元素，類型依然是Tag類型。
另外還有許多的查詢方法，用法與前面介紹的find_all()、find()方法完全相同，只不過(guò)查詢范圍不同，在此做一下簡(jiǎn)單的說(shuō)明。
find_parents() find_parent()
find_parents()返回所有祖先節(jié)點(diǎn)，find_parent()返回直接父節(jié)點(diǎn)。
find_next_siblings() find_next_sibling()
find_next_siblings()返回后面所有兄弟節(jié)點(diǎn)，find_next_sibling()返回后面第一個(gè)兄弟節(jié)點(diǎn)。
find_previous_siblings() find_previous_sibling()
find_previous_siblings()返回前面所有兄弟節(jié)點(diǎn)，find_previous_sibling()返回前面第一個(gè)兄弟節(jié)點(diǎn)。
find_all_next() find_next()
find_all_next()返回節(jié)點(diǎn)后所有符合條件的節(jié)點(diǎn), find_next()返回第一個(gè)符合條件的節(jié)點(diǎn)。
find_all_previous() 和 find_previous()
find_all_previous()返回節(jié)點(diǎn)后所有符合條件的節(jié)點(diǎn), find_previous()返回第一個(gè)符合條件的節(jié)點(diǎn)
CSS選擇器
BeautifulSoup還提供了另外一種選擇器，那就是CSS選擇器，如果對(duì)web開發(fā)熟悉對(duì)話，CSS選擇器肯定也不陌生，如果不熟悉的話，可以看一下CSS選擇器參考手冊(cè)。
使用CSS選擇器，只需要調(diào)用select()方法，傳入相應(yīng)的CSS選擇器即可，我們用一個(gè)實(shí)例來(lái)感受一下：
運(yùn)行結(jié)果：
在這里我們用了三次CSS選擇器，返回的結(jié)果均是符合CSS選擇器的節(jié)點(diǎn)組成的列表。例如select('ul li')則是選擇所有ul節(jié)點(diǎn)下面的所有l(wèi)i節(jié)點(diǎn)，結(jié)果便是所有的li節(jié)點(diǎn)組成的列表。
最后一句我們打印輸出了列表中元素的類型，可以看到類型依然是Tag類型。
嵌套選擇
select()方法同樣支持嵌套選擇，例如我們先選擇所有ul節(jié)點(diǎn)，再遍歷每個(gè)ul節(jié)點(diǎn)選擇其li節(jié)點(diǎn)，樣例如下：
運(yùn)行結(jié)果：
可以看到正常輸出了遍歷每個(gè)ul節(jié)點(diǎn)之后，其下的所有l(wèi)i節(jié)點(diǎn)組成的列表。
獲取屬性
我們知道節(jié)點(diǎn)類型是Tag類型，所以獲取屬性還是可以用原來(lái)的方法獲取，仍然是上面的HTML文本，我們?cè)谶@里嘗試獲取每個(gè)ul節(jié)點(diǎn)的id屬性。
運(yùn)行結(jié)果：
可以看到直接傳入中括號(hào)和屬性名和通過(guò)attrs屬性獲取屬性值都是可以成功的。
獲取文本
那么獲取文本當(dāng)然也可以用前面所講的string屬性，還有一個(gè)方法那就是get_text()，同樣可以獲取文本值。
運(yùn)行結(jié)果：
二者的效果是完全一致的，都可以獲取到節(jié)點(diǎn)的文本值。
綜述
到此BeautifulSoup的使用介紹基本就結(jié)束了，最后做一下簡(jiǎn)單的總結(jié)：
推薦使用lxml解析庫(kù)，必要時(shí)使用html.parser
標(biāo)簽選擇篩選功能弱但是速度快
建議使用find()、find_all() 查詢匹配單個(gè)結(jié)果或者多個(gè)結(jié)果
如果對(duì)CSS選擇器熟悉的話可以使用select()選擇法
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號(hào)
手機(jī)網(wǎng)站二維碼
