爬虫库之BeautifulSoup学习
Posted 沉默的云
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了爬虫库之BeautifulSoup学习相关的知识，希望对你有一定的参考价值。
探索文档树：
find_all(name,attrs,recursive,text,**kwargs)
方法搜索当前tag的所有tag子节点,并判断是否符合过滤器的条件
1、name参数，可以查找所有名字为name的tag，字符串对象会被自动忽略掉。
1) 传字符串
最简单的过滤器是字符串.在搜索方法中传入一个字符串参数,Beautiful Soup会查找与字符串完整匹配的内容.
下面的例子用于查找文档中所有的<b>标签
soup.find_all(‘b‘)
# [<b>The Dormouse‘s story</b>]
2)传正则表达式
如果传入正则表达式作为参数,Beautiful Soup会通过正则表达式的 match() 来匹配内容.
下面例子中找出所有以b开头的标签,这表示<body>和<b>标签都应该被找到
import re
for tag in soup.find_all(re.compile("^b")):
print tag.name
#body
#b
3)传列表
如果传入列表参数,Beautiful Soup会将与列表中任一元素匹配的内容返回.下面代码找到文档中所有<a>标签和<b>标签
soup.find_all(["a","b"])
# [<b>The Dormouse‘s story</b>,
# <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>]
4)传True
可以匹配任何值,下面代码查找到所有的tag,但是不会返回字符串节点
5)传方法
2.keyword参数
注意：如果一个指定名字的参数不是搜索内置的参数名,搜索时会把该参数当作指定名字tag的属性来搜索,如果包含一个名字为 id 的参数,Beautiful Soup会搜索每个tag的”id”属性
soup.find_all(id=‘link2‘)
# [<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]
如果传入href参数，BeautifulSoup会搜索每个tag的"href"属性
soup.find_all(href=re.compile("elsie"))
使用多个指定名字的参数可以同时过滤tag的多个属性
soup.find_all(href=re.compile("elsie"),id=‘link1)
以上是关于爬虫库之BeautifulSoup学习的主要内容，如果未能解决你的问题，请参考以下文章