BeautifulSoup_第二节

# （7）兄弟节点      .next_sibling    .previous_sibling属性   兄弟节点可以理解为和本节点处在统一级的节点，
# .next_sibling 属性获取了该节点的下一个兄弟节点，.previous_sibling 则与之相反，如果节点不存在，则返回 None
#注意：实际文档中的tag的 .next_sibling 和 .previous_sibling 属性通常是字符串或空白，
# 因为空白或者换行也可以被视作一个节点，所以得到的结果可能是空白或者换行
print(soup.p.next_sibling)
print(soup.p.previous_sibling)
print(soup.p.next_sibling.next_sibling)

#（8）全部兄弟节点  .next_siblings   .previous_siblings  属性
for sibling in soup.a.next_siblings:
    print(repr(sibling))

#（9）前后节点  .next_element   .previous_element属性
# 与 .next_sibling  .previous_sibling 不同，它并不是针对于兄弟节点，而是在所有节点，不分层次

#（10）所有前后节点  .next_elements  .previous_elements


#7.搜索文档树
#（1）find_all( name , attrs , recursive , text , **kwargs )

#find_all() 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   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
#A.传字符串
soup.find_all('b')
#B.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.
import re
for tag in soup.find_all(re.compile('^b')):
    print(tag.name)
#C.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
soup.find_all(['a','b'])
#D.传 True    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
for  tag in soup.find_all(True):
    print(tag.name)
#E.传方法   如果没有合适过滤器,那么还可以定义一个方法,方法只接受一个元素参数 [4] ,
# 如果这个方法返回 True 表示当前元素匹配并且被找到,如果不是则反回 False
def has_class_but_no_id(tag):
    return tag.has_attr('class') and not tag.has_attr('id')
print(soup.find_all(has_class_but_no_id))

#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
print(soup.find_all(id='link2'))
print(soup.find_all(href=re.compile('elsie')))
#在这里我们想用 class 过滤，不过 class 是 python 的关键词，这怎么办？加个下划线就可以
print(soup.find_all('a','class_="sister"'))
#有些tag属性在搜索不能使用,比如HTML5中的 data-* 属性
#但是可以通过 find_all() 方法的 attrs 参数定义一个字典参数来搜索包含特殊属性的tag
data_soup = BeautifulSoup('<div daya_foo="value">foo!</div>')
data_soup.find_all(attrs = {"data_foo":"value"})

#3）text 参数
# 通过 text 参数可以搜搜文档中的字符串内容.与 name 参数的可选值一样, text 参数接受 字符串 , 正则表达式 , 列表, True


#4）limit 参数
#find_all() 方法返回全部的搜索结构,如果文档树很大那么搜索会很慢.如果我们不需要全部结果,可以使用 limit 参数限制返回结果的数量.
# 效果与SQL中的limit关键字类似,当搜索到的结果数量达到 limit 的限制时,就停止搜索返回结果.
#文档树中有3个tag符合搜索条件,但结果只返回了2个,因为我们限制了返回数量
print(soup.find_all('a',limit = 2))

#5）recursive 参数
#调用tag的 find_all() 方法时,Beautiful Soup会检索当前tag的所有子孙节点,如果只想搜索tag的直接子节点,可以使用参数 recursive=False .



#（2）find( name , attrs , recursive , text , **kwargs )
#它与 find_all() 方法唯一的区别是 find_all() 方法的返回结果是值包含一个元素的列表,而 find() 方法直接返回结果


#（3）find_parents()  find_parent()
#find_all() 和 find() 只搜索当前节点的所有子节点,孙子节点等.
#find_parents() 和 find_parent() 用来搜索当前节点的父辈节点,搜索方法与普通tag的搜索方法相同,搜索文档搜索文档包含的内容
#（4）find_next_siblings()  find_next_sibling()
#这2个方法通过 .next_siblings 属性对当 tag 的所有后面解析的兄弟 tag 节点进行迭代,
#find_next_siblings() 方法返回所有符合条件的后面的兄弟节点,find_next_sibling() 只返回符合条件的后面的第一个tag节点

#（5）find_previous_siblings()  find_previous_sibling()
#这2个方法通过 .previous_siblings 属性对当前 tag 的前面解析的兄弟 tag 节点进行迭代,
# find_previous_siblings() 方法返回所有符合条件的前面的兄弟节点, find_previous_sibling() 方法返回第一个符合条件的前面的兄弟节点

#（6）find_all_next()  find_next()
#这2个方法通过 .next_elements 属性对当前 tag 的之后的 tag 和字符串进行迭代,
# find_all_next() 方法返回所有符合条件的节点, find_next() 方法返回第一个符合条件的节点
#（7）find_all_previous() 和 find_previous()
#这2个方法通过 .previous_elements 属性对当前节点前面的 tag 和字符串进行迭代,
#find_all_previous() 方法返回所有符合条件的节点, find_previous()方法返回第一个符合条件的节点



#8.CSS选择器
#我们在写 CSS 时，标签名不加任何修饰，类名前加点，id名前加
 #，在这里我们也可以利用类似的方法来筛选元素，用到的方法是 soup.select()，返回类型是 list

#（1）通过标签名查找
print(soup.select('title'))
print(soup.select('a'))
print(soup.select('b'))
#（2）通过类名查找
print(soup.select('.sister'))
#（3）通过 id 名查找
print(soup.select('#link1'))


#（4）组合查找
#组合查找即和写 class 文件时，标签名与类名、id名进行的组合原理是一样的，
#例如查找 p 标签中，id 等于 link1的内容，二者需要用空格分开
print(soup.select('p #link1'))

#直接子标签查找
print(soup.select('head > title'))
#（5）属性查找
#查找时还可以加入属性元素，属性需要用中括号括起来，注意属性和标签属于同一节点，所以中间不能加空格，否则会无法匹配到。
print(soup.select('a[class="sister"]'))
#同样，属性仍然可以与上述查找方式组合，不在同一节点的空格隔开，同一节点的不加空格
print(soup.select('p a[href="http://example.com/elsie"]'))

#以上的 select 方法返回的结果都是列表形式，可以遍历形式输出，然后用 get_text() 方法来获取它的内容。

soup = BeautifulSoup(html,'lxml')
print(type(soup.select('title')))
print(soup.select('title')[0].get_text())
for title in soup.select('title'):
    print(title.get_text())