Python 之 Beautiful Soup 4文档
（ps:其实入门什么的看官方文档是最好的了，这里只是记录一下简单的用法。）
  首先先介绍实际工作中最常用的几个方法：
  举例的html代码（就用官方例子好了）:
1 <html>
2    <head>
3        <title>Page title</title>
4    </head>
5    <body>
6        <p id="firstpara" align="center">
7        This is paragraph<b>one</b>.
8        </p>
9        <p id="secondpara" align="blah">
10        This is paragraph<b>two</b>.ubuntu怎么安装python
11        </p>
12      </body>
13 </html>
 
0、初始化： 
1 soup = BeautifulSoup(html) # html为html源代码字符串，type(html) == str 
1、用tag获取相应代码块的剖析树： 
  既然要分析html，首先要到对我们有用的tag块，beautiful提供了非常便利的方式。
#当用tag作为搜索条件时，我们获取的包含这个tag块的剖析树：
#<tag><xxx>ooo</xxx></tag>
#这里获取head这个块
head = soup.find('head')
# or
# head = soup.head
# or
# head = ts[0].contents[0]
运行后，我们会得到：
1 <head>
2    <title>Page title</title>
3 </head>
  find方法在当前tag剖析树（当前这个html代码块中）寻符合条件的子树并返回。find方法提供多种查询方式，包括用喜闻乐见的regex哦~之后会详细介绍。
  contents属性是一个列表，里面保存了该剖析树的直接儿子。
如：
1 html = ts[0] # <html> ... </html>
2 head = ts[0] # <head> ... </head>
3 body = ts[1] # <body> ... </body> 
2、用contents[], parent, nextSibling, previousSibling寻父子兄弟tag
  为了更加方便灵活的分析html代码块，beautifulSoup提供了几个简单的方法直接获取当前tag块的父子兄弟。
假设我们已经获得了body这个tag块，我们想要寻<html>, <head>, 第一个<p>, 第二个<p>这四个tag块：
# body = soup.bodyhtml = body.parent # html是body的父亲
head = body.previousSibling # head和body在同一层，是body的前一个兄弟
p1 = ts[0] # p1, p2都是body的儿子，我们用contents[0]取得p1
p2 = p1.nextSibling # p2与p1在同一层，是p1的后一个兄弟, 当然t[1]也可得到
print p1.text
# u'This is paragraphone.'
print p2.text
# u'This is paragraphtwo.'
#  注意：1，每个tag的text包括了它以及它子孙的text。2，所有text已经被自动转
#为unicode，如果需要，可以自行转码encode(xxx)
  　然而，如果我们要寻祖先或者孙子tag怎么办呢？？ 用while循环吗？ 不， beautifulsoup已经提供了方法。 
3、用find, findParent, findNextSibling, findPreviousSibling寻祖先或者子孙 tag： 
  有了上面的基础，这里应该很好理解了，例如find方法（我理解和findChild是一样的），就是以当前节点为起始，遍历整个子树，到后返回。
  而这些方法的复数形式，会到所有符合要求的tag，以list的方式放回。他们的对应关系是：find->findall, findParent->findParents, findNextSibling-&
  如：
1 print soup.findAll('p')
2 # [<p id="firstpara" align="center">This is paragraph <b>one</b>.</p>, <p id="secondpara" align="blah">This is paragraph <b>two</b>.</p>]
  这里我们重点讲一下find的几种用法，其他的类比：
  find(name=None, attrs={}, recursive=True, text=None, **kwargs)
（ps:只讲几种用法，完整请看官方link :ummy/software/BeautifulSoup/bs3/documentation.zh.html#The%20basic%20find%20method:%20findAll%28name,%20attrs,%20recursive,%20text,%20limit,%20**kwargs%29）
  1) 搜索tag：
1 find(tagname)        # 直接搜索名为tagname的tag 如：find('head')
2 find(list)          # 搜索在list中的tag，如: find(['head', 'body'])

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。