zoukankan      html  css  js  c++  java
  • BeautifulSoup常见使用

    一、BeautifulSoup安装

    pip install beautifulsoup4

    二、使用示例

    from bs4 import BeautifulSoup
    
    html_doc = """
    <html><head><title>The Dormouse's story</title></head>
    <body>
    asdf
        <div class="title">
            <b>The Dormouse's story总共</b>
            <h1>f</h1>
        </div>
    <div class="story">Once upon a time there were three little sisters; and their names were
        <a  class="sister0" id="link1">Els<span>f</span>ie</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.</div>
    ad<br/>sf
    <p class="story">...</p>
    </body>
    </html>
    """
    soup = BeautifulSoup(html_doc, features="lxml")
     

    1.name标签名称

    tag1 = soup.find('a')
    print(tag1) #打印第一个a标签内容
    name = tag1.name #获取
    print(name)
    tag1.name = 'span' #设置标签为span
    print(soup) #打印内容

    2.attr标签属性

    tag2 = soup.find('a')
    attrs = tag2.attrs  #获取第一个a标签所有属性值
    print(attrs)
    link1 = soup.find_all('a',attrs={'id':'link1'})  #获取所有a标签中,属性有'id':'link1'的内容
    print(link1)
    tag2.attrs = {'ik':123}  #设置attrs值
    print(tag2.attrs)
    tag2.attrs['id'] = 'xxxx'  #设置
    print(tag2.attrs)
    tag2.attrs['id'] = 'qqq'  #设置
    print(tag2.attrs)

    3.find与find_all查找区别

    #find匹配是第一个标签
    tag3 = soup.find('a')
    print(tag3)
    #find_al是查找所有标签
    tag4 = soup.find_all('a')
    print(tag4)

    4.clear,将标签的所有子标签全部清空(保留标签名)

    tag5 = soup.find('body')
    tag5.clear()
    print(soup)

    5.has_attr,检查标签是否具有该属性

    tag6 = soup.find('a')
    v = tag6.has_attr('id')
    print(v)

    6.get_text,获取标签内部文本内容

    tag7 = soup.find('a')
    v = tag7.get_text('id')
    print(v)

    7.decompose,递归的删除所有的标签

    body = soup.find('body')
    body.decompose()
    print(soup)

    8.extract,递归的删除所有的标签,并获取删除的标签

    body = soup.find('body')
    body.extract()
    print(soup)

    9.decode,转换为字符串(含当前标签);decode_contents(不含当前标签)

    body = soup.find('body')
    # v = body.decode()
    v = body.decode_contents()
    print(v)

    10.encode,转换为字节(含当前标签);encode_contents(不含当前标签)

    body = soup.find('body')
    # v = body.encode()
    v = body.encode_contents()
    print(v)

    11.标签的内容

    tag8 = soup.find('span')
    print(tag8.string)   #获取内容
    print(tag8)
    
    tag8.string = 'new content' #设置新内容
    print(tag8)
    
    tag9 = soup.find('body')
    v = tag9.stripped_strings  # 递归内部获取所有标签的文本
    print(v)
    print(next(v))

    12.children,所有子标签

    body = soup.find('body')
    v = body.children

    13.children,所有子子孙孙标签

    body = soup.find('body')
    v = body.descendants

    多余的可以查找官方文档:https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html

  • 相关阅读:
    在CentOS中配置DNS服务器
    CENTOS5.3 64位 VNC远程控制Centos 安装配置
    Windows Server 2003 FTP服务器配置详解 20091210 14:23:36| 分类: 服务器 | 标签: |字号大
    Centos 5.1 sendmail邮件服务器安装及配置
    DNS安装配置全过程
    tomcat多域名设置
    tomcat6 优化初步
    让CentOS自动备份mysql数据库 不指定
    开通企业邮箱之前,请登录您企业网站的域名注册服务商的域名管理平台,进行DNS配置及指向设置,谢谢您的配合
    18.3.2 在不同主机上使用 RMAN 备份建立物理备用数据库
  • 原文地址:https://www.cnblogs.com/weixx1111/p/9305998.html
Copyright © 2011-2022 走看看