python 之 BeautifulSoup标签查找与信息提取

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 之 BeautifulSoup标签查找与信息提取相关的知识,希望对你有一定的参考价值。

一、 查找a标签


(1)查找所有a标签

>>> for x in soup.find_all(a):
    print(x)
    
<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>
<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>
<a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>


(2)查找所有a标签,且属性值href中需要保护关键字“”

>>> for x in soup.find_all(a,href = re.compile(lacie)):
    print(x)

<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>


(3)查找所有a标签,且字符串内容包含关键字“Elsie”

>>> for x in soup.find_all(a,string = re.compile(Elsie)):
    print(x)
    
<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>


(4)查找body标签的所有子标签,并循环打印输出

>>> for x in soup.find(body).children:
    if isinstance(x,bs4.element.Tag):        #使用isinstance过滤掉空行内容
        print(x)
        
<p class="title"><b>The Dormouses 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>


二、信息提取(链接提取)


(1)解析信息标签结构,查找所有a标签,并提取每个a标签中href属性的值(即链接),然后存在空列表;

>>> linklist = []
>>> for x in soup.find_all(a):
    link = x.get(href)
    if link:
        linklist.append(link)
       
>>> for x in linklist:        #验证:环打印出linklist列表中的链接
    print(x)
  
http://example.com/elsie
http://example.com/lacie
http://example.com/tillie


小结:链接提取 <---> 属性内容提取 <---> x.get(‘href‘)

(2)解析信息标签结构,查找所有a标签,且每个a标签中href中包含关键字“elsie”,然后存入空列表中;

>>> linklst = []
>>> for x in soup.find_all(a, href = re.compile(elsie)):
    link = x.get(href)
    if link:
        linklst.append(link)
    
>>> for x in linklst:        #验证:循环打印出linklist列表中的链接
    print(x)
    
http://example.com/elsie

小结:在进行a标签查找时,加入了对属性值href内容的正则匹配内容 <---> href = re.compile(‘elsie‘)

(3)解析信息标签结构,查询所有a标签,且每个a标签中字符串内容包含关键字“Elsie”,并将输出结构放入空列表中;

>>> for x in soup.find_all(a):
    string = x.get_text()
    print(string)
   
Elsie
Lacie
Tillie

 












以上是关于python 之 BeautifulSoup标签查找与信息提取的主要内容,如果未能解决你的问题,请参考以下文章

Python3 爬虫U11_BeautifulSoup4之select和CCS选择器提取元素

爬虫系列之BeautifulSoup

Python 之BeautifulSoup4解析模块

Python开发爬虫之BeautifulSoup解析网页篇:爬取安居客网站上北京二手房数据

BeautifulSoup学习 之结构

python爬虫之解析库Beautiful Soup