python爬蟲之BeautifulSoup學習

阿新 • • 發佈：2018-11-04

1. Beautiful Soup的簡介

簡單來說，Beautiful Soup是python的一個庫，最主要的功能是從網頁抓取資料。官方解釋如下：

Beautiful Soup提供一些簡單的、python式的函式用來處理導航、搜尋、修改分析樹等功能。它是一個工具箱，通過解析文件為使用者提供需要抓取的資料，因為簡單，所以不需要多少程式碼就可以寫出一個完整的應用程式。

Beautiful Soup自動將輸入文件轉換為Unicode編碼，輸出文件轉換為utf-8編碼。你不需要考慮編碼方式，除非文件沒有指定一個編碼方式，這時，Beautiful Soup就不能自動識別編碼方式了。然後，你僅僅需要說明一下原始編碼方式就可以了。

Beautiful Soup已成為和lxml、html6lib一樣出色的python直譯器，為使用者靈活地提供不同的解析策略或強勁的速度。

廢話不多說，我們來試一下吧~

2. Beautiful Soup 安裝

Beautiful Soup 3 目前已經停止開發，推薦在現在的專案中使用Beautiful Soup 4，不過它已經被移植到BS4了，也就是說匯入時我們需要 import bs4 。所以這裡我們用的版本是 Beautiful Soup 4.3.2 (簡稱BS4)，另外據說 BS4 對 Python3 的支援不夠好，不過我用的是 Python2.7.7，如果有小夥伴用的是 Python3 版本，可以考慮下載 BS3 版本。

可以利用 pip 或者 easy_install 來安裝，以下兩種方法均可

1	easy_install beautifulsoup4

1	pip install beautifulsoup4

如果想安裝最新的版本，請直接下載安裝包來手動安裝，也是十分方便的方法。在這裡我安裝的是 Beautiful Soup 4.3.2

Beautiful Soup 3.2.1 Beautiful Soup 4.3.2

下載完成之後解壓

執行下面的命令即可完成安裝

1	sudo python setup.py install

然後需要安裝 lxml

1	easy_install lxml

1	pip install lxml

另一個可供選擇的解析器是純Python實現的 html5lib , html5lib的解析方式與瀏覽器相同,可以選擇下列方法來安裝html5lib:

1	easy_install html5lib

1	pip install html5lib

Beautiful Soup支援Python標準庫中的HTML解析器,還支援一些第三方的解析器，如果我們不安裝它，則 Python 會使用 Python預設的解析器，lxml 解析器更加強大，速度更快，推薦安裝。

<thead”>

解析器	使用方法	優勢	劣勢
Python標準庫	BeautifulSoup(markup, “html.parser”)	Python的內建標準庫執行速度適中文件容錯能力強	Python 2.7.3 or 3.2.2)前的版本中文件容錯能力差
lxml HTML 解析器	BeautifulSoup(markup, “lxml”)	速度快文件容錯能力強	需要安裝C語言庫
lxml XML 解析器	BeautifulSoup(markup, [“lxml”, “xml”])BeautifulSoup(markup, “xml”)	速度快唯一支援XML的解析器	需要安裝C語言庫
html5lib	BeautifulSoup(markup, “html5lib”)	最好的容錯性以瀏覽器的方式解析文件生成HTML5格式的文件	速度慢不依賴外部擴充套件

3. 開啟Beautiful Soup 之旅

在這裡先分享官方文件連結，不過內容是有些多，也不夠條理，在此本文章做一下整理方便大家參考。

官方文件

4. 建立 Beautiful Soup 物件

首先必須要匯入 bs4 庫

1	from bs4 import BeautifulSoup

我們建立一個字串，後面的例子我們便會用它來演示

Python

html = """

<html><head><title>The Dormouse's story</title></head>

<body>

The Dormouse's story

Once upon a time there were three little sisters; and their names were

<a href="http://example.com/elsie" class="sister" id="link1"></a>,

<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and

<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;

and they lived at the bottom of a well.

...

"""

建立 beautifulsoup 物件

Python

1	soup = BeautifulSoup(html)

另外，我們還可以用本地 HTML 檔案來建立物件，例如

1	soup = BeautifulSoup(open('index.html'))

上面這句程式碼便是將本地 index.html 檔案開啟，用它來建立 soup 物件

下面我們來列印一下 soup 物件的內容，格式化輸出

1	print soup.prettify()

<html>

<head>

<title>

The Dormouse's story

</title>

以上便是輸出結果，格式化打印出了它的內容，這個函式經常用到，小夥伴們要記好咯。

5. 四大物件種類

Beautiful Soup將複雜HTML文件轉換成一個複雜的樹形結構,每個節點都是Python物件,所有物件可以歸納為4種:

Tag
NavigableString
BeautifulSoup
Comment

下面我們進行一一介紹

（1）Tag

Tag 是什麼？通俗點講就是 HTML 中的一個個標籤，例如

1	<title>The Dormouse's story</title>

1	<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>

上面的 title a 等等 HTML 標籤加上裡面包括的內容就是 Tag，下面我們來感受一下怎樣用 Beautiful Soup 來方便地獲取 Tags

下面每一段程式碼中註釋部分即為執行結果

1 2	print soup.title #<title>The Dormouse's story</title>

1 2	print soup.head #<head><title>The Dormouse's story</title></head>

1 2	print soup.a #<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>

1 2	print soup.p #<p class="title" name="dromouse"><b>The Dormouse's story</b></p>

我們可以利用 soup加標籤名輕鬆地獲取這些標籤的內容，是不是感覺比正則表示式方便多了？不過有一點是，它查詢的是在所有內容中的第一個符合要求的標籤，如果要查詢所有的標籤，我們在後面進行介紹。

我們可以驗證一下這些物件的型別

1 2	print type(soup.a) #<class 'bs4.element.Tag'>

對於 Tag，它有兩個重要的屬性，是 name 和 attrs，下面我們分別來感受一下

name

print soup.name

print soup.head.name

#[document]

#head

soup 物件本身比較特殊，它的 name 即為 [document]，對於其他內部標籤，輸出的值便為標籤本身的名稱。

attrs

1 2	print soup.p.attrs #{'class': ['title'], 'name': 'dromouse'}

在這裡，我們把 p 標籤的所有屬性列印輸出了出來，得到的型別是一個字典。

如果我們想要單獨獲取某個屬性，可以這樣，例如我們獲取它的 class 叫什麼

1 2	print soup.p['class'] #['title']

還可以這樣，利用get方法，傳入屬性的名稱，二者是等價的

1 2	print soup.p.get('class') #['title']

我們可以對這些屬性和內容等等進行修改，例如

soup.p['class']="newClass"

print soup.p

#The Dormouse's story

還可以對這個屬性進行刪除，例如

del soup.p['class']

print soup.p

#The Dormouse's story

不過，對於修改刪除的操作，不是我們的主要用途，在此不做詳細介紹了，如果有需要，請檢視前面提供的官方文件

（2）NavigableString

既然我們已經得到了標籤的內容，那麼問題來了，我們要想獲取標籤內部的文字怎麼辦呢？很簡單，用 .string 即可，例如

1 2	print soup.p.string #The Dormouse's story

這樣我們就輕鬆獲取到了標籤裡面的內容，想想如果用正則表示式要多麻煩。它的型別是一個 NavigableString，翻譯過來叫可以遍歷的字串，不過我們最好還是稱它英文名字吧。

來檢查一下它的型別

1 2	print type(soup.p.string) #<class 'bs4.element.NavigableString'>

（3）BeautifulSoup

BeautifulSoup 物件表示的是一個文件的全部內容.大部分時候,可以把它當作 Tag 物件，是一個特殊的 Tag，我們可以分別獲取它的型別，名稱，以及屬性來感受一下

print type(soup.name)

#<type 'unicode'>

print soup.name

# [document]

print soup.attrs

#{} 空字典

（4）Comment

Comment 物件是一個特殊型別的 NavigableString 物件，其實輸出的內容仍然不包括註釋符號，但是如果不好好處理它，可能會對我們的文字處理造成意想不到的麻煩。

我們找一個帶註釋的標籤

print soup.a

print soup.a.string

print type(soup.a.string)

執行結果如下

Elsie

a 標籤裡的內容實際上是註釋，但是如果我們利用 .string 來輸出它的內容，我們發現它已經把註釋符號去掉了，所以這可能會給我們帶來不必要的麻煩。

另外我們列印輸出下它的型別，發現它是一個 Comment 型別，所以，我們在使用前最好做一下判斷，判斷程式碼如下

1 2	if type(soup.a.string)==bs4.element.Comment: print soup.a.string

上面的程式碼中，我們首先判斷了它的型別，是否為 Comment 型別，然後再進行其他操作，如列印輸出。

6. 遍歷文件樹

（1）直接子節點

要點：.contents .children 屬性

.contents

tag 的 .content 屬性可以將tag的子節點以列表的方式輸出

1 2	print soup.head.contents #[<title>The Dormouse's story</title>]

輸出方式為列表，我們可以用列表索引來獲取它的某一個元素

1 2	print soup.head.contents[0] #<title>The Dormouse's story</title>

.children

它返回的不是一個 list，不過我們可以通過遍歷獲取所有子節點。

我們列印輸出 .children 看一下，可以發現它是一個 list 生成器物件

1 2	print soup.head.children #<listiterator object at 0x7f71457f5710>

我們怎樣獲得裡面的內容呢？很簡單，遍歷一下就好了，程式碼及結果如下

1 2	for child in soup.body.children: print child

The Dormouse's story

Once upon a time there were three little sisters; and their names were

<a class="sister" href="http://example.com/elsie" id="link1"></a>,

<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a> and

（2）所有子孫節點

知識點：.descendants 屬性

.descendants

.contents 和 .children 屬性僅包含tag的直接子節點，.descendants 屬性可以對所有tag的子孫節點進行遞迴迴圈，和 children類似，我們也需要遍歷獲取其中的內容。

1 2	for child in soup.descendants: print child

執行結果如下，可以發現，所有的節點都被打印出來了，先生最外層的 HTML標籤，其次從 head 標籤一個個剝離，以此類推。

<html><head><title>The Dormouse's story</title></head>

<body>

The Dormouse's story

Once upon a time there were three little sisters; and their names were

<a class="sister" href="http://example.com/elsie" id="link1"></a>,

（3）節點內容

知識點：.string 屬性

如果tag只有一個 NavigableString 型別子節點,那麼這個tag可以使用 .string 得到子節點。如果一個tag僅有一個子節點,那麼這個tag也可以使用 .string 方法,輸出結果與當前唯一子節點的 .string 結果相同。

通俗點說就是：如果一個標籤裡面沒有標籤了，那麼 .string 就會返回標籤裡面的內容。如果標籤裡面只有唯一的一個標籤了，那麼 .string 也會返回最裡面的內容。例如

print soup.head.string

#The Dormouse's story

print soup.title.string

#The Dormouse's story

如果tag包含了多個子節點,tag就無法確定，string 方法應該呼叫哪個子節點的內容, .string 的輸出結果是 None

1 2	print soup.html.string # None

（4）多個內容

知識點： .strings .stripped_strings 屬性

.strings

獲取多個內容，不過需要遍歷獲取，比如下面的例子

for string in soup.strings:

print(repr(string))

# u"The Dormouse's story"

# u'\n\n'

# u"The Dormouse's story"

# u'\n\n'

# u'Once upon a time there were three little sisters; and their names were\n'

# u'Elsie'

# u',\n'

# u'Lacie'

# u' and\n'

# u'Tillie'

# u';\nand they lived at the bottom of a well.'

# u'\n\n'

# u'...'

# u'\n'

.stripped_strings

輸出的字串中可能包含了很多空格或空行,使用 .stripped_strings 可以去除多餘空白內容

for string in soup.stripped_strings:

print(repr(string))

# u"The Dormouse's story"

# u'Once upon a time there were three little sisters; and their names were'

# u'Elsie'

# u','

# u'Lacie'

# u'and'

# u'Tillie'

# u';\nand they lived at the bottom of a well.'

# u'...'

（5）父節點

知識點： .parent 屬性

p = soup.p

print p.parent.name

#body

content = soup.head.title.string

print content.parent.name

#title

（6）全部父節點

知識點：.parents 屬性

通過元素的 .parents 屬性可以遞迴得到元素的所有父輩節點，例如

content = soup.head.title.string

for parent in content.parents:

print parent.name

title

head

html

[document]

（7）兄弟節點

知識點：.next_sibling .previous_sibling 屬性

兄弟節點可以理解為和本節點處在統一級的節點，.next_sibling 屬性獲取了該節點的下一個兄弟節點，.previous_sibling 則與之相反，如果節點不存在，則返回 None

注意：實際文件中的tag的 .next_sibling 和 .previous_sibling 屬性通常是字串或空白，因為空白或者換行也可以被視作一個節點，所以得到的結果可能是空白或者換行

print soup.p.next_sibling

# 實際該處為空白

print soup.p.prev_sibling

#None 沒有前一個兄弟節點，返回 None

print soup.p.next_sibling.next_sibling

#Once upon a time there were three little sisters; and their names were

#<a class="sister" href="http://example.com/elsie" id="link1"></a>,

#<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a> and

#<a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>;

#and they lived at the bottom of a well.

#下一個節點的下一個兄弟節點是我們可以看到的節點

（8）全部兄弟節點

知識點：.next_siblings .previous_siblings 屬性

通過 .next_siblings 和 .previous_siblings 屬性可以對當前節點的兄弟節點迭代輸出

for sibling in soup.a.next_siblings:

print(repr(sibling))

# u',\n'

# <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>

# u' and\n'

# <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>

# u'; and they lived at the bottom of a well.'

# None

（9）前後節點

知識點：.next_element .previous_element 屬性

與 .next_sibling .previous_sibling 不同，它並不是針對於兄弟節點，而是在所有節點，不分層次

比如 head 節點為

1	<head><title>The Dormouse's story</title></head>

那麼它的下一個節點便是 title，它是不分層次關係的

1 2	print soup.head.next_element #<title>The Dormouse's story</title>

（10）所有前後節點

知識點：.next_elements .previous_elements 屬性

通過 .next_elements 和 .previous_elements 的迭代器就可以向前或向後訪問文件的解析內容,就好像文件正在被解析一樣

for element in last_a_tag.next_elements:

print(repr(element))

# u'Tillie'

# u';\nand they lived at the bottom of a well.'

# u'\n\n'

# ...

# u'...'

# u'\n'

# None

以上是遍歷文件樹的基本用法。

7.搜尋文件樹

（1）find_all( name , attrs , recursive , text , **kwargs )

find_all() 方法搜尋當前tag的所有tag子節點,並判斷是否符合過濾器的條件

1）name 引數

name 引數可以查詢所有名字為 name 的tag,字串物件會被自動忽略掉

A.傳字串

最簡單的過濾器是字串.在搜尋方法中傳入一個字串引數,Beautiful Soup會查詢與字串完整匹配的內容,下面的例子用於查詢文件中所有的標籤

1 2	soup.find_all('b') # [<b>The Dormouse's story</b>]

1 2	print soup.find_all('a') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>, <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>, <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]

B.傳正則表示式

如果傳入正則表示式作為引數,Beautiful Soup會通過正則表示式的 match() 來匹配內容.下面例子中找出所有以b開頭的標籤,這表示<body>和標籤都應該被找到

import re

for tag in soup.find_all(re.compile("^b")):

print(tag.name)

# body

# b

C.傳列表

如果傳入列表引數,Beautiful Soup會將與列表中任一元素匹配的內容返回.下面程式碼找到文件中所有<a>標籤和標籤

soup.find_all(["a", "b"])

# [The Dormouse's story,

# <a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,

# <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>,

# <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]

D.傳 True

True 可以匹配任何值,下面程式碼查詢到所有的tag,但是不會返回字串節點

for tag in soup.find_all(True):

print(tag.name)

# html

# head

# title

# body

# p

# b

# p

# a

E.傳方法

如果沒有合適過濾器,那麼還可以定義一個方法,方法只接受一個元素引數 [4] ,如果這個方法返回 True 表示當前元素匹配並且被找到,如果不是則反回 False

下面方法校驗了當前元素,如果包含 class 屬性卻不包含 id 屬性,那麼將返回 True:

1 2	def has_class_but_no_id(tag): return tag.has_attr('class') and not tag.has_attr('id')

將這個方法作為引數傳入 find_all() 方法,將得到所有標籤:

soup.find_all(has_class_but_no_id)

# [The Dormouse's story,

# Once upon a time there were...,

# ...]

2）keyword 引數

注意：如果一個指定名字的引數不是搜尋內建的引數名,搜尋時會把該引數當作指定名字tag的屬性來搜尋,如果包含一個名字為 id 的引數,Beautiful Soup會搜尋每個tag的”id”屬性

1 2	soup.find_all(id='link2') # [<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]

如果傳入 href 引數,Beautiful Soup會搜尋每個tag的”href”屬性

1 2	soup.find_all(href=re.compile("elsie")) # [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]

使用多個指定名字的引數可以同時過濾tag的多個屬性

1 2	soup.find_all(href=re.compile("elsie"), id='link1') # [<a class="sister" href="http://example.com/elsie" id="link1">three</a>]

在這裡我們想用 class 過濾，不過 class 是 python 的關鍵詞，這怎麼辦？加個下劃線就可以

soup.find_all("a", class_="sister")

# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,

# <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>,

# <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]

有些tag屬性在搜尋不能使用,比如HTML5中的 data-* 屬性

data_soup = BeautifulSoup('<div data-foo="value">foo!</div>')

data_soup.find_all(data-foo="value")

# SyntaxError: keyword can't be an expression

但是可以通過 find_all() 方法的 attrs 引數定義一個字典引數來搜尋包含特殊屬性的tag

1 2	data_soup.find_all(attrs={"data-foo": "value"}) # [<div data-foo="value">foo!</div>]

3）text 引數

通過 text 引數可以搜搜文件中的字串內容.與 name 引數的可選值一樣, text 引數接受字串 , 正則表示式 , 列表, True

soup.find_all(text="Elsie")

# [u'Elsie']

soup.find_all(text=["Tillie", "Elsie", "Lacie"])

# [u'Elsie', u'Lacie', u'Tillie']

soup.find_all(text=re.compile("Dormouse"))

[u"The Dormouse's story", u"The Dormouse's story"]

4）limit 引數

find_all() 方法返回全部的搜尋結構,如果文件樹很大那麼搜尋會很慢.如果我們不需要全部結果,可以使用 limit 引數限制返回結果的數量.效果與SQL中的limit關鍵字類似,當搜尋到的結果數量達到 limit 的限制時,就停止搜尋返回結果.

文件樹中有3個tag符合搜尋條件,但結果只返回了2個,因為我們限制了返回數量

soup.find_all("a", limit=2)

# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,

# <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]

5）recursive 引數

呼叫tag的 find_all() 方法時,Beautiful Soup會檢索當前tag的所有子孫節點,如果只想搜尋tag的直接子節點,可以使用引數 recursive=False .

一段簡單的文件:

<html>

<head>

<title>

The Dormouse's story

</title>

</head>

...

是否使用 recursive 引數的搜尋結果:

soup.html.find_all("title")

# [<title>The Dormouse's story</title>]

soup.html.find_all("title", recursive=False)

# []

（2）find( name , attrs , recursive , text , **kwargs )

它與 find_all() 方法唯一的區別是 find_all() 方法的返回結果是值包含一個元素的列表,而 find() 方法直接返回結果

（3）find_parents() find_parent()

find_all() 和 find() 只搜尋當前節點的所有子節點,孫子節點等. find_parents() 和 find_parent() 用來搜尋當前節點的父輩節點,搜尋方法與普通tag的搜尋方法相同,搜尋文件搜尋文件包含的內容

（4）find_next_siblings() find_next_sibling()

這2個方法通過 .next_siblings 屬性對當 tag 的所有後面解析的兄弟 tag 節點進行迭代, find_next_siblings() 方法返回所有符合條件的後面的兄弟節點,find_next_sibling() 只返回符合條件的後面的第一個tag節點

（5）find_previous_siblings() find_previous_sibling()

這2個方法通過 .previous_siblings 屬性對當前 tag 的前面解析的兄弟 tag 節點進行迭代, find_previous_siblings()方法返回所有符合條件的前面的兄弟節點, find_previous_sibling() 方法返回第一個符合條件的前面的兄弟節點

（6）find_all_next() find_next()

這2個方法通過 .next_elements 屬性對當前 tag 的之後的 tag 和字串進行迭代, find_all_next() 方法返回所有符合條件的節點, find_next() 方法返回第一個符合條件的節點

（7）find_all_previous() 和 find_previous()

這2個方法通過 .previous_elements 屬性對當前節點前面的 tag 和字串進行迭代, find_all_previous() 方法返回所有符合條件的節點, find_previous()方法返回第一個符合條件的節點

注：以上（2）（3）（4）（5）（6）（7）方法引數用法與 find_all() 完全相同，原理均類似，在此不再贅述。

8.CSS選擇器

我們在寫 CSS 時，標籤名不加任何修飾，類名前加點，id名前加 #，在這裡我們也可以利用類似的方法來篩選元素，用到的方法是 soup.select()，返回型別是 list

（1）通過標籤名查詢

1 2	print soup.select('title') #[<title>The Dormouse's story</title>]

1 2	print soup.select('a') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>, <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>, <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]

1 2	print soup.select('b') #[<b>The Dormouse's story</b>]

（2）通過類名查詢

1 2	print soup.select('.sister') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>, <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>, <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]

（3）通過 id 名查詢

1 2	print soup.select('#link1') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]

（4）組合查詢

組合查詢即和寫 class 檔案時，標籤名與類名、id名進行的組合原理是一樣的，例如查詢 p 標籤中，id 等於 link1的內容，二者需要用空格分開

1 2	print soup.select('p #link1') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]

直接子標籤查詢

1 2	print soup.select("head > title") #[<title>The Dormouse's story</title>]

（5）屬性查詢

查詢時還可以加入屬性元素，屬性需要用中括號括起來，注意屬性和標籤屬於同一節點，所以中間不能加空格，否則會無法匹配到。

1 2	print soup.select('a[class="sister"]') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>, <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>, <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]

1 2	print soup.select('a[href="http://example.com/elsie"]') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]

同樣，屬性仍然可以與上述查詢方式組合，不在同一節點的空格隔開，同一節點的不加空格

1 2	print soup.select('p a[href="http://example.com/elsie"]') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]

以上的 select 方法返回的結果都是列表形式，可以遍歷形式輸出，然後用 get_text() 方法來獲取它的內容。

soup = BeautifulSoup(html, 'lxml')

print type(soup.select('title'))

print soup.select('title')[0].get_text()

for title in soup.select('title'):

print title.get_text()

好，這就是另一種與 find_all 方法有異曲同工之妙的查詢方法，是不是感覺很方便？

python爬蟲之BeautifulSoup學習

1. Beautiful Soup的簡介

2. Beautiful Soup 安裝

3. 開啟Beautiful Soup 之旅

4. 建立 Beautiful Soup 物件

5. 四大物件種類

（1）Tag

（2）NavigableString

（3）BeautifulSoup

（4）Comment

6. 遍歷文件樹

（1）直接子節點

（2）所有子孫節點

（3）節點內容

（4）多個內容

（5）父節點

（6）全部父節點

（7）兄弟節點

（8）全部兄弟節點

（9）前後節點

（10）所有前後節點

7.搜尋文件樹

（1）find_all( name , attrs , recursive , text , **kwargs )

（2）find( name , attrs , recursive , text , **kwargs )

（3）find_parents() find_parent()

（4）find_next_siblings() find_next_sibling()

（5）find_previous_siblings() find_previous_sibling()

（6）find_all_next() find_next()

（7）find_all_previous() 和 find_previous()

8.CSS選擇器

（1）通過標籤名查詢

（2）通過類名查詢

（3）通過 id 名查詢

（4）組合查詢

（5）屬性查詢

相關推薦