2.2 Beautiful Soup对象介绍与创建
2.2.1 Beautiful Soup对象
代表要解析整个文档树，它支持遍历文档树和搜索文档树中描述的大部分的方法。
2.2.2 创建Beautiful Soup对象
-
导入模块
-
创建BeautifulSoup对象
# 1.导入模块 from bs4 import BeautifulSoup # 2.创建BeautifulSoup对象 soup = BeautifulSoup('<html>data</html>', 'lxml') print(soup)
作用：搜索文档树
-
name：标签名
-
attrs ：属性字典
-
recursive：是否递归循环查找
-
text：根据文本内容查找
返回值：查找到的第一个元素对象
# 1.导入模块 from bs4 import BeautifulSoup # 2.准备文档字符串 html = ''' <html lang="en"> <head> <meta charset="UTF-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>The Dormouse's story</title> </head> <body> <p class="title"> <b>The Dormouse's story</b> </p> <p class="story">Once upon a time there were three little sisters;and their names were <a href="http://example.com/elsie" class="sister" id="link1">Elsie</a> <a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a> </p> <p class="story">...</p> </body> </html> ''' # 3.创建BeautifulSoup对象 soup = BeautifulSoup(html, 'lxml') # 4.查找 title 标签 title = soup.find('title') print(title) # 5.查找 a 标签 a = soup.find('a') print(a) # 查找所有的a标签 a_s = soup.find_all('a') print(a_s) # 二、根据属性进行查找 # 查找id为link1的标签 # 方式1：通过命名参数进行指定的 a = soup.find(id='link1') print(a) # 方式2“使用attrs来指定属性字典进行查找 a = soup.find(attrs={'id': 'link1'}) # 三、根据文本进行查找 text = soup.find(text='Elsie') print(text)
Tag对象对应于原始文档中的xml或html标签。Tag有很多方法和属性，可用于遍历文档树和搜索文档树以及获取标签内容。
-
name：获取标签名称
-
attrs：获取标签所有属性的键和值
-
text：获取标签的文本字符串
# Tag对象 print(type(a)) print('标签名', a.name) print('标签所有属性', a.attrs) print('标签文本内容', a.text)