欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python爬虫连载13-BeatuifulSoup四大对象、遍历文档对象、CSS选择器

程序员文章站 2022-03-26 15:54:11
一、BeautifulSoup四大对象 1.Tag (1)对应的就是Html中的标签; (2)可以通过soup,tag_name (3)tag里面有两种重要的属性 name:用于打印标签的名字 attrs:用于打印属性(返回一个字典) contents:打印内容(返回一个列表) from bs4 i ......

一、beautifulsoup四大对象

1.tag

(1)对应的就是html中的标签;

(2)可以通过soup,tag_name

(3)tag里面有两种重要的属性

name:用于打印标签的名字

attrs:用于打印属性(返回一个字典)

contents:打印内容(返回一个列表)

 

from bs4 import beautifulsoup

from urllib import request

​

url = "http://www.baidu.com"

rsp = request.urlopen(url)

content = rsp.read()

​

soup = beautifulsoup(content)

#bs自动转码

content = soup.prettify()

print(content)

print("==" *12)

print(soup.head)

print("=="*12)

print(soup.link.name)

print("=="*12)

print(soup.link.attrs)

print(soup.link.attrs["type"])

print("=="*12)

print(soup.title)

print(soup.title.name)#打印标签

print(soup.title.attrs)

print(soup.title.contents)#打印内容,返回一个列表

Python爬虫连载13-BeatuifulSoup四大对象、遍历文档对象、CSS选择器

2.navigablestring

对应内容值

3.beautilesoup

(1)表示的是一个文档的内容,大部分可以把它当作是tag对象

(2)一般可以使用soup来表示

4.comment

(1)特殊类型的navagablestring对象

(2)对其输出,则内容不包括注释符号

二、遍历文档对象

1.contents:tag的子节点以列表的方式给出

2.children:子节点以迭代器的方式返回

3.decendants:所有的孙子节点

4.string

三、搜索文档对象

find_all(name,attrs,recursive,text,**kwargs)

​name:按照哪个字符串搜索​,可以传入的内容:

(1)​字符串;(2)​正则表达式;(3)列表

kewwortd参数,可以用来表示属性

text:对应tag的文本值

 

from bs4 import beautifulsoup

from urllib import request

import re

​

url = "http://www.baidu.com"

rsp = request.urlopen(url)

content = rsp.read()

​

soup = beautifulsoup(content)

#bs自动转码

content = soup.prettify()

for node in soup.head.contents:

    if node.name == "meta":

        print(node)

print("=="*12)

​

tags = soup.find_all(name=re.compile("meta"))#可以使用正则,返回了一个列表,找的是含有meta属性的所有标签

print(tags)

print("=="*12)

Python爬虫连载13-BeatuifulSoup四大对象、遍历文档对象、CSS选择器

四、css选择器

1.使用soup.select,返回一个列表

2.通过标签名称:soup.select("title")

3.​通过类名:soup.select(".content")

4.​通过id名:soup.select("#name_id")

5.组合​查找:soup.select("div #input_content")

6.属性​查找:soup.select("img[class="photo"])

7.​获取tag内容:tag.get_text

 

from bs4 import beautifulsoup

from urllib import request

import re

​

url = "http://www.baidu.com"

rsp = request.urlopen(url)

content = rsp.read()

​

soup = beautifulsoup(content)

​

print(soup.prettify())

print("=="*12)

titles = soup.select("title")

print(titles[0])

print("=="*12)

metas = soup.select("meta[content='always']")

print(metas)

Python爬虫连载13-BeatuifulSoup四大对象、遍历文档对象、CSS选择器

五、源码

reptile13_1_beautifulsoupfourcomponent.py

reptile13_2_traversefileobject.py

reptile13_3_cssselector.py

https://github.com/ruigege66/pythonreptile/blob/master/reptile13_1_beautifulsoupfourcomponent.py

https://github.com/ruigege66/pythonreptile/blob/master/reptile13_2_traversefileobject.py

https://github.com/ruigege66/pythonreptile/blob/master/reptile13_3_cssselector.py

2.csdn:https://blog.csdn.net/weixin_44630050

3.博客园:https://www.cnblogs.com/ruigege0000/

4.欢迎关注微信公众号:傅里叶变换,个人公众号,仅用于学习交流,后台回复”礼包“,获取大数据学习资料

Python爬虫连载13-BeatuifulSoup四大对象、遍历文档对象、CSS选择器