首页 > 其他 > 详细

Selenium学习笔记||三、BeautifulSoup

时间:2019-05-09 20:58:44      阅读:125      评论:0      收藏:0      [点我收藏+]

一、 Beautiful Soup是啥

  Beautiful Soup是可以从html文件中提取数据的库。

  官网链接:https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/index.html#

  可以从父子点的html获取回来,利用Beautiful Soup在本地分析

 

二、Beautiful Soup安装

  pip install beautifulsoup4

  pip install html5lib

 

三、一个简单的例子

# -*- coding: utf-8 -*-
html_doc = ‘‘‘
<!DOCTYPE html>
<html>
<head>
<title>这是个标题</title>
<a href = "http://baidu.com">
</head>
<body>
<h1>这是一个一个简单的HTML</h1>
<a href = "http://sina.com">
<p>Hello World!</p>
</body>
</html>
‘‘‘#1. 这是一段html代码,也可以从文件中读取

from bs4 import BeautifulSoup#2.引入
soup = BeautifulSoup(html_doc,"html5lib")#3.选择文件和html5lib
tag = soup.find(‘a‘)#4.寻找文件中的a标签
print(tag)#5.打印

结果:

技术分享图片

 

四、find_all

1. 返回的是列表

2. 查找所有结果

# -*- coding: utf-8 -*-
html_doc = ‘‘‘
<!DOCTYPE html>
<html>
    <head>
        <title>这是个标题</title>
        <a href = "http://baidu.com">
    </head>
    <body>
        <h1>这是一个一个简单的HTML</h1>
        <a href = "http://sina.com">
        <p>Hello World!</p>
    </body>
</html>
‘‘‘

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc,"html5lib")

tag = soup.find_all(a)
print(tag)

结果:

技术分享图片

五、find_all可以根据属性缩小范围

# -*- coding: utf-8 -*-
html_doc = ‘‘‘
<!DOCTYPE html>
<html>
    <head>
        <title>这是个标题</title>
        <a href = "http://baidu.com">
    </head>
    <body>
        <h1>这是一个一个简单的HTML</h1>
        <a href = "http://sina.com" id=link1>
        <p>Hello World!</p>
    </body>
</html>
‘‘‘

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc,"html5lib")

tag = soup.find_all(a,id = link1)#这里筛选了id为link1属性的内容
print(tag)

技术分享图片

六、按子节点查找

# -*- coding: utf-8 -*-
html_doc = ‘‘‘
<!DOCTYPE html>
<html>
    <head>
        <div>
        <title>这是个标题</title>
        <a href = "http://baidu.com">
        </div>
    </head>
    <body>
        <div>
        <h1>这是一个一个简单的HTML</h1>
        <a href = "http://sina.com" id=link1>
        <p>Hello World!</p>
        </div>
    </body>
</html>
‘‘‘

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc,"html5lib")

tag = soup.div.a#这里就是按照连续的子节点进行查找
print(tag)

 技术分享图片

 

七、按父节点查找

# -*- coding: utf-8 -*-
html_doc = ‘‘‘
<!DOCTYPE html>
<html>
    <head>
        <div>
        <title>这是个标题</title>
        <a href = "http://baidu.com">
        </div>
    </head>
    <body>
        <div>
        <h1>这是一个一个简单的HTML</h1>
        <p>Hello World!</p>
        </div>
    </body>
</html>
‘‘‘

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc,"html5lib")

tag = soup.p.parent#这里就是查找p元素的父节点
print(tag)

 

技术分享图片

 

Selenium学习笔记||三、BeautifulSoup

原文:https://www.cnblogs.com/Lixinhang/p/10840752.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!