Python爬蟲教程-24-資料提取-BeautifulSoup4（二）

肖朋偉發表於2018-09-06
Python爬蟲

Python爬蟲教程-24-資料提取-BeautifulSoup4（二）

本篇介紹 bs 如何遍歷一個文件物件

遍歷文件物件

  • contents：tag 的子節點以列表的方式輸出
  • children：子節點以迭代器形式返回
  • descendants：所有子孫節點
  • string：用string列印出標籤的具體內容，不帶有標籤，只有內容
  • 案例程式碼27bs3.py檔案：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py27bs3.py
# BeautifulSoup 的使用案例
# 遍歷文件物件

from urllib import request
from bs4 import BeautifulSoup

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

rsp = request.urlopen(url)
content = rsp.read()

soup = BeautifulSoup(content, 'lxml')

# bs 自動解碼
content = soup.prettify()

print("=="*12)
# 使用 contents
for node in soup.head.contents:
    if node.name == "meta":
        print(node)
    if node.name == "title":
        print(node.string)
print("=="*12)

執行結果

這裡寫圖片描述
常用string列印出標籤的具體內容，不帶有標籤，只有內容
當然，如果覺得遍歷太耗費資源，沒有必要遍歷的時候，可以使用搜尋

搜尋文件物件

  • find_all(name, attrs, recursive, text, ** kwargs)
    • 使用find_all()，返回的列表格式，也就是說如果 find_all(name='meta') ，如果有多個 meta 就以列表形式返回
    • name 引數：按照哪個字元搜尋，可以傳入的內容為
      • 1.字串
      • 2.正規表示式，使用正則需要編譯：
        例如：我們需要列印所有以 me 開頭的標籤內容
        tags = soup.find_all(re.compile('^me'))
      • 3.也可以是列表
  • keyword 引數，可以用來表示屬性
  • text：對應 tag 的文字值
  • 案例程式碼27bs4.py檔案：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py27bs4.py
# BeautifulSoup 的使用案例
# 搜尋文件物件

from urllib import request
from bs4 import BeautifulSoup
import re

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

rsp = request.urlopen(url)
content = rsp.read()

soup = BeautifulSoup(content, 'lxml')

# bs 自動解碼
content = soup.prettify()

# 使用 find_all
# 使用 name 引數
print("=="*12)
tags = soup.find_all(name='link')
for i in tags:
    print(i)

# 使用正規表示式
print("=="*12)
# 同時使用兩個條件
tags = soup.find_all(re.compile('^me'), content='always')
# 這裡直接列印 tags 會列印一個列表
for i in tags:
    print(i)

執行結果：

這裡寫圖片描述
因為使用兩個條件，所以只匹配到一條 meta
下一篇介紹，BeautifulSoup 的 css 選擇器

更多文章連結：Python 爬蟲隨筆

  • 本筆記不允許任何個人和組織轉載

相關文章