• BeautifulSoup学习笔记


    本文使用的是BeautifulSoup 3,现在已经有BeautifulSoup4了,名字改为bs4
     
    (1)下载与安装
    1
    2
    # BeautifulSoup 的下载与安装
    pip install BeautifulSoup
    另外也可以下载安装包进行安装
    (2)快速开始
    1
    2
    3
    4
    # BeautifulSoup 快速开始
    html_doc = urllib2.urlopen('http://baike.baidu.com/view/1059363.htm')
    soup = BeautifulSoup(html_doc)
    print soup.title
    结果:
    1
    2
    # BeautifulSoup 结果
    <title>前门大街_百度百科</title>
    (3)BeautifulSoup对象介绍
    BeautifulSoup中主要包含三种类型的对象:
    • BeautifulSoup.BeautifulSoup
    • BeautifulSoup.Tag
    • BeautifulSoup.NavigableString
    通过下面例子来认识上面的三种数据类型:
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    # BeautifulSoup 示例
    from BeautifulSoup import BeautifulSoup
    import urllib2
     
    html_doc = urllib2.urlopen('http://www.baidu.com')
     
    soup = BeautifulSoup(html_doc)
     
    print type(soup)
    print type(soup.title)
    print type(soup.title.string)
     
    print soup.title
    print soup.title.string
    结果为
    1
    2
    3
    4
    5
    6
    7
    8
    # BeautifulSoup 示例结果
    <class 'BeautifulSoup.BeautifulSoup'>
    <class 'BeautifulSoup.Tag'>
    <class 'BeautifulSoup.NavigableString'>
    <title>百度一下,你就知道</title>
    百度一下,你就知道
    print soup.title
    print soup.title.string
    从上面的例子可以比较清晰的看到BeautifulSoup主要包括三种类型的对象。
    • BeautifulSoup.BeautifulSoup //BeautifulSoup对象
    • BeautifulSoup.Tag //标签对象
    • BeautifulSoup.NavigableString //导航string文本对象
    (4)BeautifulSoup剖析树
    1. BeautifulSoup.Tag对象方法
    获取标记对象,通过点号获取Tag对象
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    # BeautifulSoup 示例
    title = soup.title
    print type(title.contents)
    print title.contents
    print title.contents[0]
     
    # BeautifulSoup 示例结果
    <type 'list'>
    [u'u767eu5ea6u4e00u4e0buff0cu4f60u5c31u77e5u9053']
    百度一下,你就知道
    contents方法
    获得当前标签的内容list,如果该标签没有子标签,那么string方法和contents[0]得到的内容是一样的。见上面示例
    next,parent方法
    获得当前的标签的子标签和父标签
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    # BeautifulSoup 示例
    html = soup.html
    print html.next
    print ''
    print html.next.next
    print html.next.next.nextSibling
     
    # BeautifulSoup 示例结果
    <head><meta http-equiv="content-type" content="text/html;charset=utf-8" /><meta http-equiv="X-UA-Compatible"content="IE=Edge" /><meta content="always" name="referrer" /><meta name="theme-color" content="#2932e1" /><link rel="shortcut icon" href="/favicon.ico" type="image/x-icon" /><link rel="icon" sizes="any" mask="mask" href="//www.baidu.com/img/baidu.svg" /><link rel="dns-prefetch" href="//s1.bdstatic.com" /><link rel="dns-prefetch" href="//t1.baidu.com" /><link rel="dns-prefetch" href="//t2.baidu.com" /><link rel="dns-prefetch" href="//t3.baidu.com" /><link rel="dns-prefetch" href="//t10.baidu.com" /><link rel="dns-prefetch" href="//t11.baidu.com" /><link rel="dns-prefetch" href="//t12.baidu.com" /><link rel="dns-prefetch" href="//b1.bdstatic.com" /><title>百度一下,你就知道</title>
    ......
    </head>
     
    <meta http-equiv="content-type" content="text/html;charset=utf-8" />
    <meta http-equiv="X-UA-Compatible" content="IE=Edge" />
    nextSibling,previousSibling
    获得当前标签的下一个兄弟标签和前一个兄弟标签
  • 相关阅读:
    egret-使用URLLoader 设置不同的dataFormat 加载不同的资源
    egret新手指南--自定义组件
    事件的三个阶段
    事件派发,事件机制
    屏幕适配
    断线重连机制
    电影屏幕字从天上掉下来的效果
    使用select2 实现select多选与初始化数据。
    ul高度为0 li高度为0
    php生成json文件,以zip压缩包批量下载。
  • 原文地址:https://www.cnblogs.com/xiamaogeng/p/4646313.html
Copyright © 2020-2023  润新知