find()和find_all()的具体使用

在我们学会了BeautifulSoup库的用法后，我们就可以使用这个库对HTML进行解析，从网页中提取我们需要的内容。

在BeautifulSoup 文档里，find()、find_all()两者的定义如下：

　　find(tag, attributes, recursive, text, keywords)

　　find(标签，属性，递归，文本，关键词)

　　find_all(tag, attributes, recursive, text, limit, keywords)

　　find_all(标签、属性、递归、文本、限制、关键词)

find()与find_all()的区别，find()只会取符合要求的第一个元素，find_all()会根据范围限制参数limit限定的范围取元素（默认不设置代表取所有符合要求的元素，find 等价于 find_all的 limit =1 时的情形），接下来将对每个参数一一介绍。

另外，find_all()会将所有满足条件的值取出，组成一个list

下面我们就一一介绍函数中各个参数的作用：

一、标签tag

标签参数 tag 可以传一个标签的名称或多个标签名称组成的set做标签参数。例如，下面的代码将返回一个包含 HTML 文档中所有链接标签的列表： find_all("a")

下面以“百度一下”网页举例，如下图，现在要将百度页面上的所有的链接取出，观察网页源代码可以发现，标题对应的tag 是a，则soup.find_all('a')

 代码如下：

from bs4 import BeautifulSoup
import requests

url = 'https://www.baidu.com/'
urlhtml = requests.get(url)
urlhtml.encoding = 'utf-8'
soup = BeautifulSoup(urlhtml.text, 'lxml')

n = soup.find_all('a')
print(n)

结果如下，我们就找出了全部的<a>标签。

上面例子只是一个标签的情况，如果多个标签写法相同，只是注意要将所有的标签写在一个set里面

二、属性attributes

属性参数 attributes 是用字典封装一个标签的若干属性和对应的属性值。如，下面这个函数会返回 HTML 文档里“mnav”的a标签。find_all("a", {"class":{"mnav"}})

如下图，现在要获取网页中的“新闻”等信息，通过观察可知，它们的属性为"mnav"，标签为a。

则我们可以编写代码：

from bs4 import BeautifulSoup
import requests

url = 'https://www.baidu.com/'
urlhtml = requests.get(url)
urlhtml.encoding = 'utf-8'
soup = BeautifulSoup(urlhtml.text, 'lxml')

n = soup.find_all('a', {'class': 'mnav'})
print(n)

运行结果如下，可以看出输出的链接的属性全部为“mnav”。

三、递归recursive

递归参数 recursive 是一个布尔变量。你想抓取 HTML 文档标签结构里多少层的信息？如recursive 设置为 True， find_all()就会根据你的要求去查找标签参数的所有子标签，以及标签的子标签。如果 recursive 设置为 False， find_all()就只查找文档的一级标签。 find_all默认是支持递归查找的（recursive 默认值是 True），这里是很少使用的，所以我在这儿就不在举例了。

四、文本text

文本参数 text 有点不同，它是用标签的文本内容去匹配，而不是用标签的属性。

我们再以“百度一下”的网页举例吧，在这个网页中，我们查找一下“新闻”在该网页中出现了多少个（其实只出现了一个）

from bs4 import BeautifulSoup
import requests

url = 'https://www.baidu.com/'
urlhtml = requests.get(url)
urlhtml.encoding = 'utf-8'
soup = BeautifulSoup(urlhtml.text, 'lxml')

n = soup.find_all(text='新闻')
print(n)

结果如下：

需要特别注意一点，这里查找是用的是完全匹配原则，意思是如果这里你用了find_all(text=“新”)，得到的结果会是0个

五、关键词keywords

关键词参数 keyword，自己选择那些具有指定属性的标签

上面网页的内容，现在要取id='wrapper'的内容，则

from bs4 import BeautifulSoup
import requests

url = 'https://www.baidu.com/'
urlhtml = requests.get(url)
urlhtml.encoding = 'utf-8'
soup = BeautifulSoup(urlhtml.text, 'lxml')

n = soup.find_all(id='wrapper')
print(n)

结果如下，也就是选中的<div>中的内容

注意：如果是class、id等参数，用keywords 或者attributes用法一样，如果是一些其他参数，则用keywords