【网络爬虫入门04】彻底掌握BeautifulSoup的CSS选择器

【网络爬虫入门04】彻底掌握BeautifulSoup的CSS选择器

广东职业技术学院  欧浩源 2017-10-21

1、引言

    目前，除了官方文档之外，市面上及网络详细介绍BeautifulSoup使用的技术书籍和博客软文并不多，而在这仅有的资料中介绍CSS选择器的少之又少。在网络爬虫的页面解析中，CCS选择器实际上是一把效率甚高的利器。虽然资料不多，但官方文档却十分详细，然而美中不足的是需要一定的基础才能看懂，而且没有小而精的演示实例。不过，在本文中，你可以看到......绝对的干活！

2、CSS选择器概述

    BeautifulSoup支持大部分的CSS选择器。
    语法为：向tag对象或BeautifulSoup对象的.select()方法中传入字符串参数，选择的结果以列表形式返回，即返回类型为list。
    tag.select("string")
    BeautifulSoup.select("string")
    注意：在取得含有特定CSS属性的元素时，标签名不加任何修饰，类名前加点，id名前加 #。

3、CSS测试样例

4、通过标签查找

例1：选择所有的title标签。

例2：选择所有的p标签中的第3个标签。

例3：选择body标签下的所有a标签。

例4：选择body标签下的直接子标签a。

例5：选择id=link1后的所有兄弟节点标签。类名前加点，id名前加 #。

例6：选择id=link1后的下一个兄弟节点标签。

5、通过CSS类名查找

例7：查找class类名为sister的标签。

例8：查找P标签下class类名为title的标签。

6、通过标签的id属性查找

例9：选择id属性为link2的所有标签。

例10：选择a标签，其id属性为link2的标签。

7、同时用多种CSS选择器查询元素

例11：选择id属性为link2和id属性为link3的所有标签。

例12：选择class属性为red、id属性为link2和id属性为link3的所有标签。

8、通过是否存在某个属性来查找

例13：查找a标签下存在herf属性的标签。

9、通过属性的值来查找

例14：选择a标签，其属性href=http://example.com/lacie的所有标签。

例15：选择a标签，其href属性以http开头的所有标签。

例16：选择a标签，其href属性以lie结尾的所有标签。

例17：选择a标签，其href属性包含.com的标签。

10、通过标签逐层查找

例18：首先选中所有的p标签中的第3个标签，然后在该标签中查找name的属性值为OHY的标签。

例19：首先选中所有的p标签中的第3个标签，然后在该标签列表中查找a标签，并将该列表中的第1个标签的文本取出。

11、返回查找到的元素的第一个标签

例20：选择class类名为sister的所有标签中的第一个。

12、小结

    如果你想快速的实现功能更强大的网络爬虫，那么BeautifulSoupCSS选择器将是你必备的利器之一。BeautifulSoup整合了CSS选择器的语法和自身方便使用API。在网络爬虫的开发过程中，对于熟悉CSS选择器语法的人，使用CSS选择器是个非常方便的方法。