CSS選擇器

Beautiful Soup還提供了另外一個選擇器，那就是CSS選擇器。
使用CSS選擇器時，只需要呼叫select()方法，傳入相應的CSS選擇器即可，示例如下：

html = '''
<div class="panel">
<div class="panel-heading">
<h4>Hello</h4>
<div class="panel-body">
<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>
<ul class="list list-small" id="list-2">
<li class="element">Foo</li>
<li class="element">Bar</li>
</ul>
</div>
</div>
'''
 

from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.select('.panel .panel-heading'))
print(soup.select('ul li'))
print(soup.select('#list-2 .element'))
print(type(soup.select('ul')[0]))

執行結果如下：

[<div class="panel-heading">
<h4>Hello</h4>
<div class="panel-body"
 
>
<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>
<ul class="list list-small" id="list-2">
<li class="element">Foo</li>
<li class="element">Bar</li>
<
 
/ul>
</div>
</div>]
[<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>, <li class="element">Foo</li>, <li class="element">Bar</li>]
[<li class="element">Foo</li>, <li class="element">Bar</li>]
<class 'bs4.element.Tag'>

這裡我們用了3次CSS選擇器，返回的結果均是符合CSS選擇器的節點組成的列表。例如，select(‘ul li’)則是選擇所有ul節點下面的所有裡節點，結果便是所有的li節點組成的列表。
最後一句列印輸出了列表中元素的型別。可以看到，型別依然是Tag型別。

巢狀選擇

select()方法同樣支援巢狀選擇。例如，先選擇所有ul節點，再裡邊每個ul節點，選擇其li節點，樣例如下：

from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
for ul in soup.select('ul'):
	print(ul.select('li'))

執行結果如下：

[<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>]
[<li class="element">Foo</li>, <li class="element">Bar</li>]

可以看到，這裡正常輸出了所有ul節點下所有裡節點組成的列表。

獲取屬性

我們知道節點型別是Tag型別，所以獲取屬性還可以用原來的方法。仍然是上面的HTML文字，這裡嘗試獲取每個ul節點的id屬性：

from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
for ul in soup.select('ul'):
	print(ul['id'])
	print(ul.attrs['id'])

執行結果如下：

list-1
list-1
list-2
list-2

可以看到，直接傳入中括號和屬性名，以及通過attrs屬性獲取屬性值，都可以成功。

獲取文字

要獲取文字，當然也可以用前面所提的string屬性。此外，還有一個方法，那就是get_text()，例項如下：

from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
for li in soup.select('li'):
	print('Get Text:', li.get_text())
	print('String:', li.string)

執行結果如下：

Get Text: Foo
String: Foo
Get Text: Bar
String: Bar
Get Text: Jay
String: Jay
Get Text: Foo
String: Foo
Get Text: Bar
String: Bar

可以看到，二者效果完全一致。

Beautiful Soup的基本用法總結

• 推薦使用lxml解析庫，必要時使用html.parser。
• 節點選擇篩選功能弱但是速度快。
• 建議使用find()或者find_all()查詢匹配單個結果或者多個結果。
• 如果對CSS選擇器熟悉的話，可以使用select()方法選擇。