上一節(jié)我們介紹了正則表達(dá)式，它的內(nèi)容其實(shí)還是蠻多的，如果一個(gè)正則匹配稍有差池，那可能程序就處在永久的循環(huán)之中，而且有的小伙伴們也對寫正則表達(dá)式的寫法用得不熟練，沒關(guān)系，我們還有一個(gè)更強(qiáng)大的工具，叫 Beautiful Soup，有了它我們可以很方便地提取出 HTML 或 XML標(biāo)簽中的內(nèi)容，實(shí)在是方便，這一節(jié)就讓我們一起來感受一下 Beautiful Soup 的強(qiáng)大吧。
簡單來說，Beautiful Soup 是 python 的一個(gè)庫，最主要的功能是從網(wǎng)頁抓取數(shù)據(jù)。官方解釋如下：
Beautiful Soup 提供一些簡單的、python 式的函數(shù)用來處理導(dǎo)航、搜索、修改分析樹等功能。它是一個(gè)工具箱，通過解析文檔為用戶提供需要抓取的數(shù)據(jù)，因?yàn)楹唵?，所以不需要多少代碼就可以寫出一個(gè)完整的應(yīng)用程序。
Beautiful Soup 自動將輸入文檔轉(zhuǎn)換為 Unicode 編碼，輸出文檔轉(zhuǎn)換為 utf-8 編碼。你不需要考慮編碼方式，除非文檔沒有指定一個(gè)編碼方式，這時(shí)，Beautiful Soup 就不能自動識別編碼方式了。然后，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 解釋器，為用戶靈活地提供不同的解析策略或強(qiáng)勁的速度。
廢話不多說，我們來試一下吧~
Beautiful Soup 3 目前已經(jīng)停止開發(fā)，推薦在現(xiàn)在的項(xiàng)目中使用 Beautiful Soup 4，不過它已經(jīng)被移植到 BS4 了，也就是說導(dǎo)入時(shí)我們需要 import bs4 。所以這里我們用的版本是 Beautiful Soup 4.3.2 (簡稱BS4)，另外據(jù)說 BS4 對 Python3 的支持不夠好，不過我用的是 Python2.7.7，如果有小伙伴用的是 Python3 版本，可以考慮下載 BS3 版本。
如果你用的是新版的 Debain 或 Ubuntu,那么可以通過系統(tǒng)的軟件包管理來安裝，不過它不是最新版本，目前是4.2.1版本
sudo apt-get install Python-bs4 如果想安裝最新的版本，請直接下載安裝包來手動安裝，也是十分方便的方法。在這里我安裝的是 Beautiful Soup 4.3.2
Beautiful Soup 3.2.1
Beautiful Soup 4.3.2
下載完成之后解壓
運(yùn)行下面的命令即可完成安裝
sudo python setup.py install 如下圖所示，證明安裝成功了
http://wiki.jikexueyuan.com/project/python-crawler-guide/images/05.png" alt="" />
然后需要安裝 lxml
sudo apt-get install Python-lxml Beautiful Soup 支持 Python 標(biāo)準(zhǔn)庫中的 HTML 解析器,還支持一些第三方的解析器，如果我們不安裝它，則 Python 會使用 Python 默認(rèn)的解析器，lxml 解析器更加強(qiáng)大，速度更快，推薦安裝。
在這里先分享官方文檔鏈接，不過內(nèi)容是有些多，也不夠條理，在此本文章做一下整理方便大家參考。
官方文檔
首先必須要導(dǎo)入 bs4 庫
from bs4 import BeautifulSoup 我們創(chuàng)建一個(gè)字符串，后面的例子我們便會用它來演示
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 class="sister" id="link1"><!-- Elsie --></a>,
<a class="sister" id="link2">Lacie</a> and
<a class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
""" 創(chuàng)建 beautifulsoup 對象
soup = BeautifulSoup(html) 另外，我們還可以用本地 HTML 文件來創(chuàng)建對象，例如
soup = BeautifulSoup(open('index.html')) 上面這句代碼便是將本地 index.html 文件打開，用它來創(chuàng)建 soup 對象
下面我們來打印一下 soup 對象的內(nèi)容，格式化輸出
print soup.prettify()<html>
<head>
<title>
The Dormouse's story
</title> 以上便是輸出結(jié)果，格式化打印出了它的內(nèi)容，這個(gè)函數(shù)經(jīng)常用到，小伙伴們要記好咯。
Beautiful Soup 將復(fù)雜HTML文檔轉(zhuǎn)換成一個(gè)復(fù)雜的樹形結(jié)構(gòu),每個(gè)節(jié)點(diǎn)都是 Python 對象,所有對象可以歸納為4種:
下面我們進(jìn)行一一介紹
Tag 是什么？通俗點(diǎn)講就是 HTML 中的一個(gè)個(gè)標(biāo)簽，例如
<title>The Dormouse's story</title><a class="sister" id="link1">Elsie</a> 上面的 title a 等等 HTML 標(biāo)簽加上里面包括的內(nèi)容就是 Tag，下面我們來感受一下怎樣用 Beautiful Soup 來方便地獲取 Tags
下面每一段代碼中注釋部分即為運(yùn)行結(jié)果
print soup.title
\#<title>The Dormouse's story</title>print soup.head
\#<head><title>The Dormouse's story</title></head>print soup.a
\#<a class="sister" id="link1"><!-- Elsie --></a> print soup.p
\#<p class="title" name="dromouse"><b>The Dormouse's story</b></p> 我們可以利用 soup 加標(biāo)簽名輕松地獲取這些標(biāo)簽的內(nèi)容，是不是感覺比正則表達(dá)式方便多了？不過有一點(diǎn)是，它查找的是在所有內(nèi)容中的第一個(gè)符合要求的標(biāo)簽，如果要查詢所有的標(biāo)簽，我們在后面進(jìn)行介紹。
我們可以驗(yàn)證一下這些對象的類型
print type(soup.a)
\#<class 'bs4.element.Tag'> 對于 Tag，它有兩個(gè)重要的屬性，是 name 和 attrs，下面我們分別來感受一下
name
print soup.name
print soup.head.name
\#[document]
\#head soup 對象本身比較特殊，它的 name 即為 [document]，對于其他內(nèi)部標(biāo)簽，輸出的值便為標(biāo)簽本身的名稱。
attrs
print soup.p.attrs
\#{'class': ['title'], 'name': 'dromouse'} 在這里，我們把 p 標(biāo)簽的所有屬性打印輸出了出來，得到的類型是一個(gè)字典。
如果我們想要單獨(dú)獲取某個(gè)屬性，可以這樣，例如我們獲取它的 class 叫什么
print soup.p['class']
\#['title'] 還可以這樣，利用 get 方法，傳入屬性的名稱，二者是等價(jià)的
print soup.p.get('class')
\#['title'] 我們可以對這些屬性和內(nèi)容等等進(jìn)行修改，例如
soup.p['class']="newClass"
print soup.p
\#<p class="newClass" name="dromouse"><b>The Dormouse's story</b></p> 還可以對這個(gè)屬性進(jìn)行刪除，例如
del soup.p['class']
print soup.p
\#<p name="dromouse"><b>The Dormouse's story</b></p> 不過，對于修改刪除的操作，不是我們的主要用途，在此不做詳細(xì)介紹了，如果有需要，請查看前面提供的官方文檔
既然我們已經(jīng)得到了標(biāo)簽的內(nèi)容，那么問題來了，我們要想獲取標(biāo)簽內(nèi)部的文字怎么辦呢？很簡單，用 .string 即可，例如
print soup.p.string
\#The Dormouse's story 這樣我們就輕松獲取到了標(biāo)簽里面的內(nèi)容，想想如果用正則表達(dá)式要多麻煩。它的類型是一個(gè) NavigableString，翻譯過來叫 可以遍歷的字符串，不過我們最好還是稱它英文名字吧。
來檢查一下它的類型
print type(soup.p.string)
#<class 'bs4.element.NavigableString'> BeautifulSoup 對象表示的是一個(gè)文檔的全部內(nèi)容.大部分時(shí)候,可以把它當(dāng)作 Tag 對象，是一個(gè)特殊的 Tag，我們可以分別獲取它的類型，名稱，以及屬性來感受一下
print type(soup.name)
\#<type 'unicode'>
print soup.name
\# [document]
print soup.attrs
\#{} 空字典 Comment 對象是一個(gè)特殊類型的 NavigableString 對象，其實(shí)輸出的內(nèi)容仍然不包括注釋符號，但是如果不好好處理它，可能會對我們的文本處理造成意想不到的麻煩。
我們找一個(gè)帶注釋的標(biāo)簽
print soup.a
print soup.a.string
print type(soup.a.string) 運(yùn)行結(jié)果如下
<a class="sister" id="link1"><!-- Elsie --></a>
Elsie
<class 'bs4.element.Comment'> a 標(biāo)簽里的內(nèi)容實(shí)際上是注釋，但是如果我們利用 .string 來輸出它的內(nèi)容，我們發(fā)現(xiàn)它已經(jīng)把注釋符號去掉了，所以這可能會給我們帶來不必要的麻煩。
另外我們打印輸出下它的類型，發(fā)現(xiàn)它是一個(gè) Comment 類型，所以，我們在使用前最好做一下判斷，判斷代碼如下
if type(soup.a.string)==bs4.element.Comment:
print soup.a.string 上面的代碼中，我們首先判斷了它的類型，是否為 Comment 類型，然后再進(jìn)行其他操作，如打印輸出。
要點(diǎn)：.contents .children 屬性
.contents
tag 的 .content 屬性可以將tag的子節(jié)點(diǎn)以列表的方式輸出
print soup.head.contents
\#[<title>The Dormouse's story</title>] 輸出方式為列表，我們可以用列表索引來獲取它的某一個(gè)元素
print soup.head.contents[0]
\#<title>The Dormouse's story</title> .children
它返回的不是一個(gè) list，不過我們可以通過遍歷獲取所有子節(jié)點(diǎn)。
我們打印輸出 .children 看一下，可以發(fā)現(xiàn)它是一個(gè) list 生成器對象
print soup.head.children
\#<listiterator object at 0x7f71457f5710> 我們怎樣獲得里面的內(nèi)容呢？很簡單，遍歷一下就好了，代碼及結(jié)果如下
for child in soup.body.children:
print child<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" id="link1"><!-- Elsie --></a>,
<a class="sister" id="link2">Lacie</a> and 知識點(diǎn)：.descendants 屬性
.descendants
.contents 和 .children 屬性僅包含tag的直接子節(jié)點(diǎn)，.descendants 屬性可以對所有tag的子孫節(jié)點(diǎn)進(jìn)行遞歸循環(huán)，和 children類似，我們也需要遍歷獲取其中的內(nèi)容。
for child in soup.descendants:
print child 運(yùn)行結(jié)果如下，可以發(fā)現(xiàn)，所有的節(jié)點(diǎn)都被打印出來了，先生最外層的 HTML 標(biāo)簽，其次從 head 標(biāo)簽一個(gè)個(gè)剝離，以此類推。
<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" id="link1"><!-- Elsie --></a>, 知識點(diǎn)：.string 屬性
如果 tag 只有一個(gè) NavigableString 類型子節(jié)點(diǎn),那么這個(gè) tag 可以使用 .string 得到子節(jié)點(diǎn)。如果一個(gè) tag 僅有一個(gè)子節(jié)點(diǎn),那么這個(gè) tag 也可以使用 .string 方法,輸出結(jié)果與當(dāng)前唯一子節(jié)點(diǎn)的 .string 結(jié)果相同。
通俗點(diǎn)說就是：如果一個(gè)標(biāo)簽里面沒有標(biāo)簽了，那么 .string 就會返回標(biāo)簽里面的內(nèi)容。如果標(biāo)簽里面只有唯一的一個(gè)標(biāo)簽了，那么 .string 也會返回最里面的內(nèi)容。例如
print soup.head.string
\#The Dormouse's story
print soup.title.string
\#The Dormouse's story 如果 tag 包含了多個(gè)子節(jié)點(diǎn),tag 就無法確定，string 方法應(yīng)該調(diào)用哪個(gè)子節(jié)點(diǎn)的內(nèi)容, .string 的輸出結(jié)果是 None
print soup.html.string
\# None 知識點(diǎn)： .strings .stripped_strings 屬性
.strings
獲取多個(gè)內(nèi)容，不過需要遍歷獲取，比如下面的例子
for string in soup.strings:
print(repr(string))
\# u"The Dormouse's story"
\# u'\n\n'
\# u"The Dormouse's story"
\# u'\n\n'
\# u'Once upon a time there were three little sisters; and their names were\n'
\# u'Elsie'
\# u',\n'
\# u'Lacie'
\# u' and\n'
\# u'Tillie'
\# u';\nand they lived at the bottom of a well.'
\# u'\n\n'
\# u'...'
\# u'\n'
.stripped_strings 輸出的字符串中可能包含了很多空格或空行,使用 .stripped_strings 可以去除多余空白內(nèi)容
for string in soup.stripped_strings:
print(repr(string))
\# u"The Dormouse's story"
\# u"The Dormouse's story"
\# u'Once upon a time there were three little sisters; and their names were'
\# u'Elsie'
\# u','
\# u'Lacie'
\# u'and'
\# u'Tillie'
\# u';\nand they lived at the bottom of a well.'
\# u'...' 知識點(diǎn)： .parent 屬性
p = soup.p
print p.parent.name
\#body content = soup.head.title.string
print content.parent.name
\#title 知識點(diǎn)：.parents 屬性
通過元素的 .parents 屬性可以遞歸得到元素的所有父輩節(jié)點(diǎn)，例如
content = soup.head.title.string
for parent in content.parents:
print parent.name title
head
html
[document] 知識點(diǎn)：.next_sibling .previous_sibling 屬性
兄弟節(jié)點(diǎn)可以理解為和本節(jié)點(diǎn)處在統(tǒng)一級的節(jié)點(diǎn)，.next_sibling 屬性獲取了該節(jié)點(diǎn)的下一個(gè)兄弟節(jié)點(diǎn)，.previous_sibling 則與之相反，如果節(jié)點(diǎn)不存在，則返回 None
注意：實(shí)際文檔中的tag的 .next_sibling 和 .previous_sibling 屬性通常是字符串或空白，因?yàn)榭瞻谆蛘邠Q行也可以被視作一個(gè)節(jié)點(diǎn)，所以得到的結(jié)果可能是空白或者換行
print soup.p.next_sibling
\# 實(shí)際該處為空白
print soup.p.prev_sibling
\#None 沒有前一個(gè)兄弟節(jié)點(diǎn)，返回 None
print soup.p.next_sibling.next_sibling
\#<p class="story">Once upon a time there were three little sisters; and their names were
\#<a class="sister" id="link1"><!-- Elsie --></a>,
\#<a class="sister" id="link2">Lacie</a> and
\#<a class="sister" id="link3">Tillie</a>;
\#and they lived at the bottom of a well.</p>
\#下一個(gè)節(jié)點(diǎn)的下一個(gè)兄弟節(jié)點(diǎn)是我們可以看到的節(jié)點(diǎn) 知識點(diǎn)：.next_siblings .previous_siblings 屬性
通過 .next_siblings 和 .previous_siblings 屬性可以對當(dāng)前節(jié)點(diǎn)的兄弟節(jié)點(diǎn)迭代輸出
for sibling in soup.a.next_siblings:
print(repr(sibling))
\# u',\n'
\# <a class="sister" id="link2">Lacie</a>
\# u' and\n'
\# <a class="sister" id="link3">Tillie</a>
\# u'; and they lived at the bottom of a well.'
\# None 知識點(diǎn)：.next_element .previous_element 屬性
與 .next_sibling .previous_sibling 不同，它并不是針對于兄弟節(jié)點(diǎn)，而是在所有節(jié)點(diǎn)，不分層次
比如 head 節(jié)點(diǎn)為
<head><title>The Dormouse's story</title></head> 那么它的下一個(gè)節(jié)點(diǎn)便是 title，它是不分層次關(guān)系的
print soup.head.next_element
\#<title>The Dormouse's story</title> 知識點(diǎn)：.next_elements .previous_elements 屬性
通過 .next_elements 和 .previous_elements 的迭代器就可以向前或向后訪問文檔的解析內(nèi)容,就好像文檔正在被解析一樣
for element in last_a_tag.next_elements:
print(repr(element))
\# u'Tillie'
\# u';\nand they lived at the bottom of a well.'
\# u'\n\n'
\# <p class="story">...</p>
\# u'...'
\# u'\n'
\# None find_all() 方法搜索當(dāng)前tag的所有tag子節(jié)點(diǎn),并判斷是否符合過濾器的條件
name 參數(shù)可以查找所有名字為 name 的 tag,字符串對象會被自動忽略掉
最簡單的過濾器是字符串.在搜索方法中傳入一個(gè)字符串參數(shù),Beautiful Soup 會查找與字符串完整匹配的內(nèi)容,下面的例子用于查找文檔中所有的 標(biāo)簽
soup.find_all('b')
\# [<b>The Dormouse's story</b>] print soup.find_all('a')
\#[<a class="sister" id="link1"><!-- Elsie --></a>, <a class="sister" id="link2">Lacie</a>, <a class="sister" id="link3">Tillie</a>] 如果傳入正則表達(dá)式作為參數(shù),Beautiful Soup 會通過正則表達(dá)式的 match() 來匹配內(nèi)容.下面例子中找出所有以b開頭的標(biāo)簽,這表示
和 標(biāo)簽都應(yīng)該被找到import re
for tag in soup.find_all(re.compile("^b")):
print(tag.name)
\# body
\# b 如果傳入列表參數(shù),Beautiful Soup 會將與列表中任一元素匹配的內(nèi)容返回.下面代碼找到文檔中所有 <a> 標(biāo)簽和 <b> 標(biāo)簽
soup.find_all(["a", "b"])
\# [<b>The Dormouse's story</b>,
\# <a class="sister" id="link1">Elsie</a>,
\# <a class="sister" id="link2">Lacie</a>,
\# <a class="sister" id="link3">Tillie</a>] True 可以匹配任何值,下面代碼查找到所有的 tag,但是不會返回字符串節(jié)點(diǎn)
for tag in soup.find_all(True):
print(tag.name)
\# html
\# head
\# title
\# body
\# p
\# b
\# p
\# a
\# a 如果沒有合適過濾器,那么還可以定義一個(gè)方法,方法只接受一個(gè)元素參數(shù) [4] ,如果這個(gè)方法返回 True 表示當(dāng)前元素匹配并且被找到,如果不是則反回 False
下面方法校驗(yàn)了當(dāng)前元素,如果包含 class 屬性卻不包含 id 屬性,那么將返回 True:
def has_class_but_no_id(tag):
return tag.has_attr('class') and not tag.has_attr('id') 將這個(gè)方法作為參數(shù)傳入 find_all() 方法,將得到所有
標(biāo)簽:
soup.find_all(has_class_but_no_id)
\# [<p class="title"><b>The Dormouse's story</b></p>,
\# <p class="story">Once upon a time there were...</p>,
\# <p class="story">...</p>] 注意：如果一個(gè)指定名字的參數(shù)不是搜索內(nèi)置的參數(shù)名,搜索時(shí)會把該參數(shù)當(dāng)作指定名字 tag 的屬性來搜索,如果包含一個(gè)名字為 id 的參數(shù),Beautiful Soup 會搜索每個(gè) tag 的 ”id” 屬性
soup.find_all(id='link2')
\# [<a class="sister" id="link2">Lacie</a>] 如果傳入 href 參數(shù),Beautiful Soup 會搜索每個(gè) tag 的 ”href” 屬性
soup.find_all(href=re.compile("elsie"))
\# [<a class="sister" id="link1">Elsie</a>] 使用多個(gè)指定名字的參數(shù)可以同時(shí)過濾 tag 的多個(gè)屬性
soup.find_all(href=re.compile("elsie"), id='link1')
\# [<a class="sister" id="link1">three</a>] 在這里我們想用 class 過濾，不過 class 是 python 的關(guān)鍵詞，這怎么辦？加個(gè)下劃線就可以
soup.find_all("a", class_="sister")
\# [<a class="sister" id="link1">Elsie</a>,
\# <a class="sister" id="link2">Lacie</a>,
\# <a class="sister" id="link3">Tillie</a>] 有些 tag 屬性在搜索不能使用,比如 HTML5 中的 data-* 屬性
data_soup = BeautifulSoup('<div data-foo="value">foo!</div>')
data_soup.find_all(data-foo="value")
\# SyntaxError: keyword can't be an expression 但是可以通過 find_all() 方法的 attrs 參數(shù)定義一個(gè)字典參數(shù)來搜索包含特殊屬性的tag
data_soup.find_all(attrs={"data-foo": "value"})
\# [<div data-foo="value">foo!</div>] 通過 text 參數(shù)可以搜搜文檔中的字符串內(nèi)容.與 name 參數(shù)的可選值一樣, text 參數(shù)接受 字符串 , 正則表達(dá)式 , 列表, True
soup.find_all(text="Elsie")
\# [u'Elsie']
soup.find_all(text=["Tillie", "Elsie", "Lacie"])
\# [u'Elsie', u'Lacie', u'Tillie']
soup.find_all(text=re.compile("Dormouse"))
[u"The Dormouse's story", u"The Dormouse's story"] find_all() 方法返回全部的搜索結(jié)構(gòu),如果文檔樹很大那么搜索會很慢.如果我們不需要全部結(jié)果,可以使用 limit 參數(shù)限制返回結(jié)果的數(shù)量.效果與 SQL 中的 limit 關(guān)鍵字類似,當(dāng)搜索到的結(jié)果數(shù)量達(dá)到 limit 的限制時(shí),就停止搜索返回結(jié)果.
文檔樹中有3個(gè) tag 符合搜索條件,但結(jié)果只返回了2個(gè),因?yàn)槲覀兿拗屏朔祷財(cái)?shù)量
soup.find_all("a", limit=2)
\# [<a class="sister" id="link1">Elsie</a>,
\# <a class="sister" id="link2">Lacie</a>] 調(diào)用 tag 的 find_all() 方法時(shí),Beautiful Soup 會檢索當(dāng)前 tag 的所有子孫節(jié)點(diǎn),如果只想搜索 tag 的直接子節(jié)點(diǎn),可以使用參數(shù) recursive=False .
一段簡單的文檔:
<html\>
<head\>
<title\>
The Dormouse's story
</title\>
</head\>
... 是否使用 recursive 參數(shù)的搜索結(jié)果:
soup.html.find_all("title")
\# [<title>The Dormouse's story</title>]
soup.html.find_all("title", recursive=False)
\# [] 它與 find_all() 方法唯一的區(qū)別是 find_all() 方法的返回結(jié)果是值包含一個(gè)元素的列表,而 find() 方法直接返回結(jié)果
find_all() 和 find() 只搜索當(dāng)前節(jié)點(diǎn)的所有子節(jié)點(diǎn),孫子節(jié)點(diǎn)等. find_parents() 和 find_parent() 用來搜索當(dāng)前節(jié)點(diǎn)的父輩節(jié)點(diǎn),搜索方法與普通 tag 的搜索方法相同,搜索文檔搜索文檔包含的內(nèi)容
這2個(gè)方法通過 .next_siblings 屬性對當(dāng) tag 的所有后面解析的兄弟 tag 節(jié)點(diǎn)進(jìn)行迭代, find_next_siblings() 方法返回所有符合條件的后面的兄弟節(jié)點(diǎn),find_next_sibling() 只返回符合條件的后面的第一個(gè) tag 節(jié)點(diǎn)
這2個(gè)方法通過 .previous_siblings 屬性對當(dāng)前 tag 的前面解析的兄弟 tag 節(jié)點(diǎn)進(jìn)行迭代, find_previous_siblings() 方法返回所有符合條件的前面的兄弟節(jié)點(diǎn), find_previous_sibling() 方法返回第一個(gè)符合條件的前面的兄弟節(jié)點(diǎn)
這2個(gè)方法通過 .next_elements 屬性對當(dāng)前 tag 的之后的 tag 和字符串進(jìn)行迭代, find_all_next() 方法返回所有符合條件的節(jié)點(diǎn), find_next() 方法返回第一個(gè)符合條件的節(jié)點(diǎn)
這2個(gè)方法通過 .previous_elements 屬性對當(dāng)前節(jié)點(diǎn)前面的 tag 和字符串進(jìn)行迭代, find_all_previous() 方法返回所有符合條件的節(jié)點(diǎn), find_previous()方法返回第一個(gè)符合條件的節(jié)點(diǎn)
注：以上（2）（3）（4）（5）（6）（7）方法參數(shù)用法與 find_all() 完全相同，原理均類似，在此不再贅述。
我們在寫 CSS 時(shí)，標(biāo)簽名不加任何修飾，類名前加點(diǎn)，id名前加 #，在這里我們也可以利用類似的方法來篩選元素，用到的方法是 soup.select()，返回類型是 list
print soup.select('title')
\#[<title>The Dormouse's story</title>]print soup.select('a')
\#[<a class="sister" id="link1"><!-- Elsie --></a>, <a class="sister" id="link2">Lacie</a>, <a class="sister" id="link3">Tillie</a>] print soup.select('b')
\#[<b>The Dormouse's story</b>] print soup.select('.sister')
\#[<a class="sister" id="link1"><!-- Elsie --></a>, <a class="sister" id="link2">Lacie</a>, <a class="sister" id="link3">Tillie</a>] print soup.select('#link1')
\#[<a class="sister" id="link1"><!-- Elsie --></a>] 組合查找即和寫 class 文件時(shí)，標(biāo)簽名與類名、id 名進(jìn)行的組合原理是一樣的，例如查找 p 標(biāo)簽中，id 等于 link1 的內(nèi)容，二者需要用空格分開
print soup.select('p #link1')
\#[<a class="sister" id="link1"><!-- Elsie --></a>] 直接子標(biāo)簽查找
print soup.select("head > title")
\#[<title>The Dormouse's story</title>] 查找時(shí)還可以加入屬性元素，屬性需要用中括號括起來，注意屬性和標(biāo)簽屬于同一節(jié)點(diǎn)，所以中間不能加空格，否則會無法匹配到。
print soup.select('a[class="sister"]')
\#[<a class="sister" id="link1"><!-- Elsie --></a>, <a class="sister" id="link2">Lacie</a>, <a class="sister" id="link3">Tillie</a>] print soup.select('a[)
\#[<a class="sister" id="link1"><!-- Elsie --></a>] 同樣，屬性仍然可以與上述查找方式組合，不在同一節(jié)點(diǎn)的空格隔開，同一節(jié)點(diǎn)的不加空格
print soup.select('p a[)
\#[<a class="sister" id="link1"><!-- Elsie --></a>] 好，這就是另一種與 find_all 方法有異曲同工之妙的查找方法，是不是感覺很方便？
本篇內(nèi)容比較多，把 Beautiful Soup 的方法進(jìn)行了大部分整理和總結(jié)，不過這還不算完全，仍然有 Beautiful Soup 的修改刪除功能，不過這些功能用得比較少，只整理了查找提取的方法，希望對大家有幫助！小伙伴們加油！
熟練掌握了 Beautiful Soup，一定會給你帶來太多方便，加油吧！
掃碼關(guān)注鍍金池微信號
手機(jī)訂課，優(yōu)惠多多