bs4

bs4是什麽？

• 它的作用是能够快速方便简单的提取网页中指定的内容，给我一个网页字符串，然后使用它的接口将网页字符串生成一个对象，然后通过这个对象的方法来提取数据

安装

pip install bs4

BS4的4中对象

• Tag对象：是html中的一个标签，用BeautifulSoup就能解析出来Tag的具体内容，具体的格式为soup.name,其中name是html下的标签。
• BeautifulSoup对象：整个html文本对象，可当作Tag对象
• NavigableString对象：标签内的文本对象
• Comment对象：是一个特殊的NavigableString对象，如果html标签内存在注释，那么它可以过滤掉注释符号保留注释文本最常用的还是BeautifulSoup对象和Tag对象

 

BeautifulSoup对象

from bs4 import BeautifulSoup
import requests


res = request.get('http://www.baidu.com')
response=res.text()
soup = BeautifulSoup(response.text,'html.parser')
return soup.find(name='title')

 

bs4语法学习

• 通过本地文件进行学习，通过网络进行写代码
  （1）根据标签名进行获取节点
  只能找到第一个符合要求的节点
  （2）获取文本内容和属性
• 属性

soup.a.attrs 返回一字典，里面是所有属性和值
soup.a['href'] 获取href属性

• 文本

soup.a.string
soup.a.text
soup.a.get_text()
【注】当标签里面还有标签的时候，string获取的为None，其他两个获取纯文本内容

（3）find方法

soup.find('a')
soup.find('a', class_='xxx')
soup.find('a', title='xxx')
soup.find('a', id='xxx')
soup.find('a', id=re.compile(r'xxx'))
【注】find只能找到符合要求的第一个标签，他返回的是一个对象

（4）find_all

返回一个列表，列表里面是所有的符合要求的对象
soup.find_all('a')
soup.find_all('a', class_='wang')
soup.find_all('a', id=re.compile(r'xxx'))
soup.find_all('a', limit=2) 提取出前两个符合要求的a

（5）select

选择，选择器 css中

常用的选择器
标签选择器、id选择器、类选择器
层级选择器**
div h1 a 后面的是前面的子节点即可
div > h1 > a 后面的必须是前面的直接子节点
属性选择器
input[name='hehe']
select('选择器的')
【注】返回的是一个列表，列表里面都是对象
【注】find find_all select不仅适用于soup对象，还适用于其他的子对象，如果调用子对象的select方法，那么就是从这个子对象里面去找符合这个选择器的标签

lxml是什麽？

• lxml是一个解析器，也是下面的xpath要用到的库，bs4将网页字符串生成对象的时候需要用到解析器，就用lxml，或者使用官方自带的解析器 html.parser

  pip install lxml