前面介紹了正規表示式的相關用法，但是一旦正規表示式寫的有問題，得到的可能就不是我們想要的結果了。而且對於一個網頁來說，都有一定的特殊結構和層級關係，而且很多節點都有id或class來作區分，所以藉助它們的結構和屬性來提取不也可以嗎？
這一節中，我們就來介紹一個強大的解析工具Beautiful Soup，它藉助網頁的結構和屬性等特性來解析網頁。有了它，我們不用再去寫一些複雜的正規表示式，只需要簡單的幾條語句，就可以完成網頁中某個元素的提取。
廢話不多說，接下來就來感受一下Beautiful Soup的強大之處吧。
1. 簡介
簡單來說，Beautiful Soup就是Python的一個HTML或XML的解析庫，可以用它來方便地從網頁中提取資料。官方解釋如下：
Beautiful Soup提供一些簡單的、Python式的函式來處理導航、搜尋、修改分析樹等功能。它是一個工具箱，通過解析文件為使用者提供需要抓取的資料，因為簡單，所以不需要多少程式碼就可以寫出一個完整的應用程式。
Beautiful Soup自動將輸入文件轉換為Unicode編碼，輸出文件轉換為UTF-8編碼。你不需要考慮編碼方式，除非文件沒有指定一個編碼方式，這時你僅僅需要說明一下原始編碼方式就可以了。
Beautiful Soup已成為和lxml、html6lib一樣出色的Python直譯器，為使用者靈活地提供不同的解析策略或強勁的速度。
所以說，利用它可以省去很多煩瑣的提取工作，提高了解析效率。
2. 準備工作
在開始之前，請確保已經正確安裝好了Beautiful Soup和lxml，如果沒有安裝，可以參考第1章的內容。
3. 解析器
Beautiful Soup在解析時實際上依賴解析器，它除了支援Python標準庫中的HTML解析器外，還支援一些第三方解析器（比如lxml）。表4-3列出了Beautiful Soup支援的解析器。
表4-3 Beautiful Soup支援的解析器
通過以上對比可以看出，lxml解析器有解析HTML和XML的功能，而且速度快，容錯能力強，所以推薦使用它。
如果使用lxml，那麼在初始化Beautiful Soup時，可以把第二個引數改為lxml即可：
from bs4 import BeautifulSoup
soup = BeautifulSoup('<p>Hello</p>', 'lxml')
print(soup.p.string)
複製程式碼在後面，Beautiful Soup的用法例項也統一用這個解析器來演示。
4. 基本用法
下面首先用例項來看看Beautiful Soup的基本用法：
html = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1"><!-- Elsie --></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.</p>
<p class="story">...</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.prettify())
print(soup.title.string)
複製程式碼執行結果如下：
<html>
<head>
<title>
The Dormouse's story
</title>
</head>
<body>
<p class="title" name="dromouse">
<b>
The Dormouse's story
</b>
</p>
<p class="story">
Once upon a time there were three little sisters; and their names were
<a class="sister" href="http://example.com/elsie" id="link1">
<!-- Elsie -->
</a>
,
<a class="sister" href="http://example.com/lacie" id="link2">
Lacie
</a>
and
<a class="sister" href="http://example.com/tillie" id="link3">
Tillie
</a>
;
and they lived at the bottom of a well.
</p>
<p class="story">
...
</p>
</body>
</html>
The Dormouse's story
複製程式碼這裡首先宣告變數html，它是一個HTML字串。但是需要注意的是，它並不是一個完整的HTML字串，因為body和html節點都沒有閉合。接著，我們將它當作第一個引數傳給BeautifulSoup物件，該物件的第二個引數為解析器的型別（這裡使用lxml），此時就完成了BeaufulSoup物件的初始化。然後，將這個物件賦值給soup變數。
接下來，就可以呼叫soup的各個方法和屬性解析這串HTML程式碼了。
首先，呼叫prettify()方法。這個方法可以把要解析的字串以標準的縮排格式輸出。這裡需要注意的是，輸出結果裡面包含body和html節點，也就是說對於不標準的HTML字串BeautifulSoup，可以自動更正格式。這一步不是由prettify()方法做的，而是在初始化BeautifulSoup時就完成了。
然後呼叫soup.title.string，這實際上是輸出HTML中title節點的文字內容。所以，soup.title可以選出HTML中的title節點，再呼叫string屬性就可以得到裡面的文字了，所以我們可以通過簡單呼叫幾個屬性完成文字提取，這是不是非常方便？
5. 節點選擇器
直接呼叫節點的名稱就可以選擇節點元素，再呼叫string屬性就可以得到節點內的文字了，這種選擇方式速度非常快。如果單個節點結構層次非常清晰，可以選用這種方式來解析。
選擇元素
下面再用一個例子詳細說明選擇元素的方法：
html = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1"><!-- Elsie --></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.</p>
<p class="story">...</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.title)
print(type(soup.title))
print(soup.title.string)
print(soup.head)
print(soup.p)
複製程式碼執行結果如下：
<title>The Dormouse's story</title>
<class 'bs4.element.Tag'>
The Dormouse's story
<head><title>The Dormouse's story</title></head>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
複製程式碼這裡依然選用剛才的HTML程式碼，首先列印輸出title節點的選擇結果，輸出結果正是title節點加里面的文字內容。接下來，輸出它的型別，是bs4.element.Tag型別，這是Beautiful Soup中一個重要的資料結構。經過選擇器選擇後，選擇結果都是這種Tag型別。Tag具有一些屬性，比如string屬性，呼叫該屬性，可以得到節點的文字內容，所以接下來的輸出結果正是節點的文字內容。
接下來，我們又嘗試選擇了head節點，結果也是節點加其內部的所有內容。最後，選擇了p節點。不過這次情況比較特殊，我們發現結果是第一個p節點的內容，後面的幾個p節點並沒有選到。也就是說，當有多個節點時，這種選擇方式只會選擇到第一個匹配的節點，其他的後面節點都會忽略。
提取資訊
上面演示了呼叫string屬性來獲取文字的值，那麼如何獲取節點屬性的值呢？如何獲取節點名呢？下面我們來統一梳理一下資訊的提取方式。
(1)獲取名稱
可以利用name屬性獲取節點的名稱。這裡還是以上面的文字為例，選取title節點，然後呼叫name屬性就可以得到節點名稱：
print(soup.title.name)
複製程式碼執行結果如下：
title
複製程式碼(2)獲取屬性
每個節點可能有多個屬性，比如id和class等，選擇這個節點元素後，可以呼叫attrs獲取所有屬性：
print(soup.p.attrs)
print(soup.p.attrs['name'])
複製程式碼執行結果如下：
{'class': ['title'], 'name': 'dromouse'}
dromouse
複製程式碼可以看到，attrs的返回結果是字典形式，它把選擇的節點的所有屬性和屬性值組合成一個字典。接下來，如果要獲取name屬性，就相當於從字典中獲取某個鍵值，只需要用中括號加屬性名就可以了。比如，要獲取name屬性，就可以通過attrs['name']來得到。
其實這樣有點煩瑣，還有一種更簡單的獲取方式：可以不用寫attrs，直接在節點元素後面加中括號，傳入屬性名就可以獲取屬性值了。樣例如下：
print(soup.p['name'])
print(soup.p['class'])
複製程式碼執行結果如下：
dromouse
['title']
複製程式碼這裡需要注意的是，有的返回結果是字串，有的返回結果是字串組成的列表。比如，name屬性的值是唯一的，返回的結果就是單個字串。而對於class，一個節點元素可能有多個class，所以返回的是列表。在實際處理過程中，我們要注意判斷型別。
(3)獲取內容
可以利用string屬性獲取節點元素包含的文字內容，比如要獲取第一個p節點的文字：
print(soup.p.string)
複製程式碼執行結果如下：
The Dormouse's story
複製程式碼再次注意一下，這裡選擇到的p節點是第一個p節點，獲取的文字也是第一個p節點裡面的文字。
巢狀選擇
在上面的例子中，我們知道每一個返回結果都是bs4.element.Tag型別，它同樣可以繼續呼叫節點進行下一步的選擇。比如，我們獲取了head節點元素，我們可以繼續呼叫head來選取其內部的head節點元素：
html = """
<html><head><title>The Dormouse's story</title></head>
<body>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.head.title)
print(type(soup.head.title))
print(soup.head.title.string)
複製程式碼執行結果如下：
<title>The Dormouse's story</title>
<class 'bs4.element.Tag'>
The Dormouse's story
複製程式碼第一行結果是呼叫head之後再次呼叫title而選擇的title節點元素。然後列印輸出了它的型別，可以看到，它仍然是bs4.element.Tag型別。也就是說，我們在Tag型別的基礎上再次選擇得到的依然還是Tag型別，每次返回的結果都相同，所以這樣就可以做巢狀選擇了。
最後，輸出它的string屬性，也就是節點裡的文字內容。
關聯選擇
在做選擇的時候，有時候不能做到一步就選到想要的節點元素，需要先選中某一個節點元素，然後以它為基準再選擇它的子節點、父節點、兄弟節點等，這裡就來介紹如何選擇這些節點元素。
(1)子節點和子孫節點
選取節點元素之後，如果想要獲取它的直接子節點，可以呼叫contents屬性，示例如下：
html = """
<html>
<head>
<title>The Dormouse's story</title>
</head>
<body>
<p class="story">
Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">
<span>Elsie</span>
</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.
</p>
<p class="story">...</p>
"""
複製程式碼執行結果如下：
['\n Once upon a time there were three little sisters; and their names were\n ', <a class="sister" href="http://example.com/elsie" id="link1">
<span>Elsie</span>
</a>, '\n', <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>, ' \n and\n ', <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>, '\n and they lived at the bottom of a well.\n ']
複製程式碼可以看到，返回結果是列表形式。p節點裡既包含文字，又包含節點，最後會將它們以列表形式統一返回。
需要注意的是，列表中的每個元素都是p節點的直接子節點。比如第一個a節點裡麵包含一層span節點，這相當於孫子節點了，但是返回結果並沒有單獨把span節點選出來。所以說，contents屬性得到的結果是直接子節點的列表。
同樣，我們可以呼叫children屬性得到相應的結果：
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.p.children)
for i, child in enumerate(soup.p.children):
print(i, child)
複製程式碼執行結果如下：
<list_iterator object at 0x1064f7dd8>
0
Once upon a time there were three little sisters; and their names were
1 <a class="sister" href="http://example.com/elsie" id="link1">
<span>Elsie</span>
</a>
2
3 <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>
4
and
5 <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>
6
and they lived at the bottom of a well.
複製程式碼還是同樣的HTML文字，這裡呼叫了children屬性來選擇，返回結果是生成器型別。接下來，我們用for迴圈輸出相應的內容。
如果要得到所有的子孫節點的話，可以呼叫descendants屬性：
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.p.descendants)
for i, child in enumerate(soup.p.descendants):
print(i, child)
複製程式碼執行結果如下：
<generator object descendants at 0x10650e678>
0
Once upon a time there were three little sisters; and their names were
1 <a class="sister" href="http://example.com/elsie" id="link1">
<span>Elsie</span>
</a>
2
3 <span>Elsie</span>
4 Elsie
5
6
7 <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>
8 Lacie
9
and
10 <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>
11 Tillie
12
and they lived at the bottom of a well.
複製程式碼此時返回結果還是生成器。遍歷輸出一下可以看到，這次的輸出結果就包含了span節點。descendants會遞迴查詢所有子節點，得到所有的子孫節點。
(2)父節點和祖先節點
如果要獲取某個節點元素的父節點，可以呼叫parent屬性：
html = """
<html>
<head>
<title>The Dormouse's story</title>
</head>
<body>
<p class="story">
Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">
<span>Elsie</span>
</a>
</p>
<p class="story">...</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.a.parent)
複製程式碼執行結果如下：
<p class="story">
Once upon a time there were three little sisters; and their names were
<a class="sister" href="http://example.com/elsie" id="link1">
<span>Elsie</span>
</a>
</p>
複製程式碼這裡我們選擇的是第一個a節點的父節點元素。很明顯，它的父節點是p節點，輸出結果便是p節點及其內部的內容。
需要注意的是，這裡輸出的僅僅是a節點的直接父節點，而沒有再向外尋找父節點的祖先節點。如果想獲取所有的祖先節點，可以呼叫parents屬性：
html = """
<html>
<body>
<p class="story">
<a href="http://example.com/elsie" class="sister" id="link1">
<span>Elsie</span>
</a>
</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(type(soup.a.parents))
print(list(enumerate(soup.a.parents)))
複製程式碼執行結果如下：
<class 'generator'>
[(0, <p class="story">
<a class="sister" href="http://example.com/elsie" id="link1">
<span>Elsie</span>
</a>
</p>), (1, <body>
<p class="story">
<a class="sister" href="http://example.com/elsie" id="link1">
<span>Elsie</span>
</a>
</p>
</body>), (2, <html>
<body>
<p class="story">
<a class="sister" href="http://example.com/elsie" id="link1">
<span>Elsie</span>
</a>
</p>
</body></html>), (3, <html>
<body>
<p class="story">
<a class="sister" href="http://example.com/elsie" id="link1">
<span>Elsie</span>
</a>
</p>
</body></html>)]
複製程式碼可以發現，返回結果是生成器型別。這裡用列表輸出了它的索引和內容，而列表中的元素就是a節點的祖先節點。
(3)兄弟節點
上面說明了子節點和父節點的獲取方式，如果要獲取同級的節點（也就是兄弟節點），應該怎麼辦呢？示例如下：
html = """
<html>
<body>
<p class="story">
Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">
<span>Elsie</span>
</a>
Hello
<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.
</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print('Next Sibling', soup.a.next_sibling)
print('Prev Sibling', soup.a.previous_sibling)
print('Next Siblings', list(enumerate(soup.a.next_siblings)))
print('Prev Siblings', list(enumerate(soup.a.previous_siblings)))
複製程式碼執行結果如下：
Next Sibling
Hello
Prev Sibling
Once upon a time there were three little sisters; and their names were
Next Siblings [(0, '\n Hello\n '), (1, <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>), (2, ' \n and\n '), (3, <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>), (4, '\n and they lived at the bottom of a well.\n ')]
Prev Siblings [(0, '\n Once upon a time there were three little sisters; and their names were\n ')]
複製程式碼可以看到，這裡呼叫了4個屬性，其中next_sibling和previous_sibling分別獲取節點的下一個和上一個兄弟元素，next_siblings和previous_siblings則分別返回所有前面和後面的兄弟節點的生成器。
(4)提取資訊
前面講解了關聯元素節點的選擇方法，如果想要獲取它們的一些資訊，比如文字、屬性等，也用同樣的方法，示例如下：
html = """
<html>
<body>
<p class="story">
Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Bob</a><a href="http://example.com/lacie" class="sister" id="link2">Lacie</a>
</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print('Next Sibling:')
print(type(soup.a.next_sibling))
print(soup.a.next_sibling)
print(soup.a.next_sibling.string)
print('Parent:')
print(type(soup.a.parents))
print(list(soup.a.parents)[0])
print(list(soup.a.parents)[0].attrs['class'])
複製程式碼執行結果如下：
Next Sibling:
<class 'bs4.element.Tag'>
<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>
Lacie
Parent:
<class 'generator'>
<p class="story">
Once upon a time there were three little sisters; and their names were
<a class="sister" href="http://example.com/elsie" id="link1">Bob</a><a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>
</p>
['story']
複製程式碼如果返回結果是單個節點，那麼可以直接呼叫string、attrs等屬性獲得其文字和屬性；如果返回結果是多個節點的生成器，則可以轉為列表後取出某個元素，然後再呼叫string、attrs等屬性獲取其對應節點的文字和屬性。
6. 方法選擇器
前面所講的選擇方法都是通過屬性來選擇的，這種方法非常快，但是如果進行比較複雜的選擇的話，它就比較煩瑣，不夠靈活了。幸好，Beautiful Soup還為我們提供了一些查詢方法，比如find_all()和find()等，呼叫它們，然後傳入相應的引數，就可以靈活查詢了。
find_all()
find_all，顧名思義，就是查詢所有符合條件的元素。給它傳入一些屬性或文字，就可以得到符合條件的元素，它的功能十分強大。
它的API如下：
find_all(name , attrs , recursive , text , **kwargs)
複製程式碼(1)name
我們可以根據節點名來查詢元素，示例如下：
html='''
<div class="panel">
<div class="panel-heading">
<h4>Hello</h4>
</div>
<div class="panel-body">
<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>
<ul class="list list-small" id="list-2">
<li class="element">Foo</li>
<li class="element">Bar</li>
</ul>
</div>
</div>
'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.find_all(name='ul'))
print(type(soup.find_all(name='ul')[0]))
複製程式碼執行結果如下：
[<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>, <ul class="list list-small" id="list-2">
<li class="element">Foo</li>
<li class="element">Bar</li>
</ul>]
<class 'bs4.element.Tag'>
複製程式碼這裡我們呼叫了find_all()方法，傳入name引數，其引數值為ul。也就是說，我們想要查詢所有ul節點，返回結果是列表型別，長度為2，每個元素依然都是bs4.element.Tag型別。
因為都是Tag型別，所以依然可以進行巢狀查詢。還是同樣的文字，這裡查詢出所有ul節點後，再繼續查詢其內部的li節點：
for ul in soup.find_all(name='ul'):
print(ul.find_all(name='li'))
複製程式碼執行結果如下：
[<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>]
[<li class="element">Foo</li>, <li class="element">Bar</li>]
複製程式碼返回結果是列表型別，列表中的每個元素依然還是Tag型別。
接下來，就可以遍歷每個li，獲取它的文字了：
for ul in soup.find_all(name='ul'):
print(ul.find_all(name='li'))
for li in ul.find_all(name='li'):
print(li.string)
複製程式碼執行結果如下：
[<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>]
Foo
Bar
Jay
[<li class="element">Foo</li>, <li class="element">Bar</li>]
Foo
Bar
複製程式碼(2)attrs
除了根據節點名查詢，我們也可以傳入一些屬性來查詢，示例如下：
html='''
<div class="panel">
<div class="panel-heading">
<h4>Hello</h4>
</div>
<div class="panel-body">
<ul class="list" id="list-1" name="elements">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>
<ul class="list list-small" id="list-2">
<li class="element">Foo</li>
<li class="element">Bar</li>
</ul>
</div>
</div>
'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.find_all(attrs={'id': 'list-1'}))
print(soup.find_all(attrs={'name': 'elements'}))
複製程式碼執行結果如下：
[<ul class="list" id="list-1" name="elements">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>]
[<ul class="list" id="list-1" name="elements">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>]
複製程式碼這裡查詢的時候傳入的是attrs引數，引數的型別是字典型別。比如，要查詢id為list-1的節點，可以傳入attrs={'id': 'list-1'}的查詢條件，得到的結果是列表形式，包含的內容就是符合id為list-1的所有節點。在上面的例子中，符合條件的元素個數是1，所以結果是長度為1的列表。
對於一些常用的屬性，比如id和class等，我們可以不用attrs來傳遞。比如，要查詢id為list-1的節點，可以直接傳入id這個引數。還是上面的文字，我們換一種方式來查詢：
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.find_all(id='list-1'))
print(soup.find_all(class_='element'))
複製程式碼執行結果如下：
[<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>]
[<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>, <li class="element">Foo</li>, <li class="element">Bar</li>]
複製程式碼這裡直接傳入id='list-1'，就可以查詢id為list-1的節點元素了。而對於class來說，由於class在Python裡是一個關鍵字，所以後面需要加一個下劃線，即class_='element'，返回的結果依然還是Tag組成的列表。
(3)text
text引數可用來匹配節點的文字，傳入的形式可以是字串，可以是正規表示式物件，示例如下：
import re
html='''
<div class="panel">
<div class="panel-body">
<a>Hello, this is a link</a>
<a>Hello, this is a link, too</a>
</div>
</div>
'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.find_all(text=re.compile('link')))
複製程式碼執行結果如下：
['Hello, this is a link', 'Hello, this is a link, too']
複製程式碼這裡有兩個a節點，其內部包含文字資訊。這裡在find_all()方法中傳入text引數，該引數為正規表示式物件，結果返回所有匹配正規表示式的節點文字組成的列表。
find()
除了find_all()方法，還有find()方法，只不過後者返回的是單個元素，也就是第一個匹配的元素，而前者返回的是所有匹配的元素組成的列表。示例如下：
html='''
<div class="panel">
<div class="panel-heading">
<h4>Hello</h4>
</div>
<div class="panel-body">
<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>
<ul class="list list-small" id="list-2">
<li class="element">Foo</li>
<li class="element">Bar</li>
</ul>
</div>
</div>
'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.find(name='ul'))
print(type(soup.find(name='ul')))
print(soup.find(class_='list'))
複製程式碼執行結果如下：
<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>
<class 'bs4.element.Tag'>
<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>
複製程式碼這裡的返回結果不再是列表形式，而是第一個匹配的節點元素，型別依然是Tag型別。
另外，還有許多查詢方法，其用法與前面介紹的find_all()、find()方法完全相同，只不過查詢範圍不同，這裡簡單說明一下。
find_parents()和find_parent()：前者返回所有祖先節點，後者返回直接父節點。find_next_siblings()和find_next_sibling()：前者返回後面所有的兄弟節點，後者返回後面第一個兄弟節點。find_previous_siblings()和find_previous_sibling()：前者返回前面所有的兄弟節點，後者返回前面第一個兄弟節點。find_all_next()和find_next()：前者返回節點後所有符合條件的節點，後者返回第一個符合條件的節點。find_all_previous()和find_previous()：前者返回節點後所有符合條件的節點，後者返回第一個符合條件的節點。
7. CSS選擇器
Beautiful Soup還提供了另外一種選擇器，那就是CSS選擇器。如果對Web開發熟悉的話，那麼對CSS選擇器肯定也不陌生。如果不熟悉的話，可以參考www.w3school.com.cn/cssref/css_…瞭解。
使用CSS選擇器時，只需要呼叫select()方法，傳入相應的CSS選擇器即可，示例如下：
html='''
<div class="panel">
<div class="panel-heading">
<h4>Hello</h4>
</div>
<div class="panel-body">
<ul class="list" id="list-1">
<li class="element">Foo</li>
<li class="element">Bar</li>
<li class="element">Jay</li>
</ul>
<ul class="list list-small" id="list-2">
<li class="element">Foo</li>
<li class="element">Bar</li>
</ul>
</div>
</div>
'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.select('.panel .panel-heading'))
print(soup.select('ul li'))
print(soup.select('#list-2 .element'))
print(type(soup.select('ul')[0]))
複製程式碼執行結果如下：
[<div class="panel-heading">
<h4>Hello</h4>
</div>]
[<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>, <li class="element">Foo</li>, <li class="element">Bar</li>]
[<li class="element">Foo</li>, <li class="element">Bar</li>]
<class 'bs4.element.Tag'>
複製程式碼這裡我們用了3次CSS選擇器，返回的結果均是符合CSS選擇器的節點組成的列表。例如，select('ul li')則是選擇所有ul節點下面的所有li節點，結果便是所有的li節點組成的列表。
最後一句列印輸出了列表中元素的型別。可以看到，型別依然是Tag型別。
巢狀選擇
select()方法同樣支援巢狀選擇。例如，先選擇所有ul節點，再遍歷每個ul節點，選擇其li節點，樣例如下：
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
for ul in soup.select('ul'):
print(ul.select('li'))
複製程式碼執行結果如下：
[<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>]
[<li class="element">Foo</li>, <li class="element">Bar</li>]
複製程式碼可以看到，這裡正常輸出了所有ul節點下所有li節點組成的列表。
獲取屬性
我們知道節點型別是Tag型別，所以獲取屬性還可以用原來的方法。仍然是上面的HTML文字，這裡嘗試獲取每個ul節點的id屬性：
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
for ul in soup.select('ul'):
print(ul['id'])
print(ul.attrs['id'])
複製程式碼執行結果如下：
list-1
list-1
list-2
list-2
複製程式碼可以看到，直接傳入中括號和屬性名，以及通過attrs屬性獲取屬性值，都可以成功。
獲取文字
要獲取文字，當然也可以用前面所講的string屬性。此外，還有一個方法，那就是get_text()，示例如下：
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
for li in soup.select('li'):
print('Get Text:', li.get_text())
print('String:', li.string)
複製程式碼執行結果如下：
Get Text: Foo
String: Foo
Get Text: Bar
String: Bar
Get Text: Jay
String: Jay
Get Text: Foo
String: Foo
Get Text: Bar
String: Bar
複製程式碼可以看到，二者的效果完全一致。
到此，Beautiful Soup的用法基本就介紹完了，最後做一下簡單的總結。
- 推薦使用lxml解析庫，必要時使用html.parser。
- 節點選擇篩選功能弱但是速度快。
- 建議使用
find()或者find_all()查詢匹配單個結果或者多個結果。 - 如果對CSS選擇器熟悉的話，可以使用
select()方法選擇。
本資源首發於崔慶才的個人部落格靜覓： Python3網路爬蟲開發實戰教程 | 靜覓
如想了解更多爬蟲資訊，請關注我的個人微信公眾號：進擊的Coder
weixin.qq.com/r/5zsjOyvEZ… (二維碼自動識別)