BeautifulSoup

Day82 Beautiful Soup模块使用

beautifulsoup模块介绍、beautifulsoup 解析HTML文档、Beautiful Soup中的对象

10-04侠课岛    基础入门       

后端/后端/Python 由浅入深入门 14     0     172

总结

1.模块介绍

  • Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库,简单来说,它能将HTML的标签文件解析成树形结构,然后方便地获取到指定标签的对应属性, 还可以方便的实现全站点的内容爬取和解析;

  • 使用Beautiful Soup解析HTML文档需要安装的模块beautifulsoup4、html5lib、lxml;

  • html5lib是一个用于解析HTML的纯python库, lxml是python的一个解析库,支持HTML和XML的解析;

2.模块使用

  • 首先需要导入BeautifulSoup模块,再实例化BeautifulSoup对象,然后通过BeautifulSoup提供的方法拿到HTML的元素、属性、链接、文本等;

3.BeautifulSoup对象

  • BeautifulSoup对象分为四类,分别是Tag, NavigableString , BeautifulSoup, Comment

  • prettify()方法:可以将Beautiful Soup的文档树格式化后以Unicode编码输出,每个XML/HTML标签都独占一行;

  • soup.标签名:获取HTML中的标签;

  • soup.标签名.name:获取HTML中标签的名称;

  • soup.标签名.string:获取HTML中标签的文本内容;

  • soup.标签名.parent:获取HTML中标签的父标签;

4.遍历文档

  • contents:获取所有子节点,返回一个列表,可以通过下标取值;

  • children:返回子节点的生成器对象;

  • soup.strings:获取所有节点的内容,包括空格;

  • soup.stripped_strings:获取所有节点的内容,不包括空格;

5.查找标签

  • find_all():查找所有指定标签名称的子节点(可同时查找多个标签),并判断是否符合过滤器的条件,返回一个列表;

  • find():和find_all()差不多,但是find_all() 方法的返回结果是值包含一个元素的列表,而 find() 方法直接返回结果;

  • 更多可以查看:https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html

本教程图文或视频等内容版权归侠课岛所有,任何机构、媒体、网站或个人未经本网协议授权不得转载、转贴或以其他方式复制发布或发表。

评价

14

本课评分:
  •     非常好
难易程度:
  •     适中的

内容目录



|
教程
粉丝
主页

签到有礼

已签到2天,连续签到7天即可领取7天全站VIP

  • 1
    +2 金币
  • 2
    +3 金币
  • 3
    +5 金币
  • 6
    +7 金币
  • 5
    +6 金币
  • 4
    暖心福利
    自选分类VIP ×1天
  • 7
    惊喜大礼

    自选分类VIP ×3天 +20金币
  • 持续签到 +8 金币

金币可以用来做什么?