【BOOK】解析库--Beautiful Soup
1、安装bs4库
2、解析器
3、节点选择器
from bs4 import BeautifulSoup
html = '''
<html>
<head><title>这是标题</title></head>
<body>
<p class="title" name="dromouse"><b>这是标题</b></p>
<p class="story" >从前有座山
<a href="http://www.baidu.com/1" class="sister" id="link1">链接1</a>
<a href="http://www.baidu.com/2" class="sister" id="link2">链接2</a>
<a href="http://www.baidu.com/3" class="sister" id="link3">链接3</a>
完了</p>
</body></html>
'''
soup = BeautifulSoup(html, 'lxml')
## prettify()把要解析的字符串以标准的缩进格式输出
print(soup.prettify())
## 获取head节点
print(soup.head) # <head><title>这是标题</title></head>
## 获取p节点，返回第一个p节点
print(soup.p)
## 获取节点名称--name
print(soup.title.name) # title
## 获取节点属性--attrs
print(soup.p.attrs) # {'class': ['title'], 'name': 'dromouse'}
print(soup.p.attrs['class']) # ['title']
## 简写
print(soup.p['class']) # ['title']，返回列表，因为class属性可以有多个值
print(soup.p['name']) #dromouse，返回字符串，因为name属性只能有一个值
## 获取节点的文本
print(soup.p.string) # 这是标题
## 嵌套选择
print(soup.head.title) # <title>这是标题</title>
from bs4 import BeautifulSoup
html = '''
<html>
<head><title>这是标题</title></head>
<body>
<p class="story" >从前有座山
<a href="http://www.baidu.com/1" class="sister" id="link1">链接1</a>
<a href="http://www.baidu.com/2" class="sister" id="link2"><span>链接2</span></a>
<a href="http://www.baidu.com/3" class="sister" id="link3">链接3</a>
完了</p>
</body></html>
'''
soup = BeautifulSoup(html, 'lxml')
## 关联选择
## 子节点 & 子孙节点
## contents属性，返回列表，包含p节点的每一个子节点
print(soup.p.contents)
## children属性，返回所有子节点，生成器类型，用for循环输出
print(soup.p.children) ## <list_iterator object at 0x0353BF10>
for child in enumerate(soup.p.children):
print(child) ## 7个元素，包括 \n
## descendants属性，返回所有子孙节点，生成器类型，用for循环输出
print(soup.p.descendants) ## <generator object Tag.descendants at 0x03915330>
for child in enumerate(soup.p.descendants):
print(child)
# 父节点 & 祖先节点
# parent属性，返回a节点的直接父节点 p
print(soup.a.parent)
## parents属性，返回所有祖先节点，生成器类型
print(list(enumerate(soup.a.parents)))
## 兄弟节点
print('下一个兄弟', soup.a.next_sibling)
print('上一个兄弟', soup.a.previous_sibling)
print('所有前面的兄弟', list(enumerate(soup.a.next_siblings)))
print('所有后面的兄弟', list(enumerate(soup.a.previous_siblings)))
4、方法选择器
（1）find_all(name, attrs, recursive, text, **kwgrgs)
返回所有匹配结果，列表类型
html = '''
<div class="panel">
<div class="panel-heading">
<h4>Hello</h4>
</div>
<div class="panel-body">
<ul class="list" id="list-1">
<li class="element">BBB</li>
<li class="element">BBB CCC</li>
<li class="element">GGG</li>
</ul>
<ul class="list list-small" id="list-2">
<li class="element">HHH</li>
<li class="element">YYY</li>
<li class="element">VVV</li>
</ul>
</div>
</div>
'''
from bs4 import BeautifulSoup
import re
soup = BeautifulSoup(html,'lxml')
# name—根据节点名查询，返回列表，每个元素类型为Tag类型
print(soup.find_all(name='ul'))
for ul in soup.find_all(name='ul'):
for li in ul.find_all(name='li'):
print(li.string)
# attrs--属性查询，参数类型是字典类型，返回列表类型
print(soup.find_all(attrs={'class':'element'}))
## id，class属性为常用属性，可以不用字典形式
print(soup.find_all(class_='element'))
print(soup.find_all(id='list-1'))
# text--匹配节点的文本，传入参数可以是字符串或者正则表达式
print(soup.find_all(text='BBB'))
print(soup.find_all(text=re.compile('BBB'))) # ['BBB', 'BBB CCC']
（2） find() 返回第一个匹配结果，Tag类型
（3） find_parents() 返回所有祖先节点
find_parent() 返回父亲节点
（4） find_next_siblings() 返回所有后面的兄弟节点
find_next_sibling() 返回第一个后面的兄弟节点
（5） find_previous_siblings() 返回所有前面的兄弟节点
find_ previous _sibling() 返回第一个前面的兄弟节点
（6） find_all_next () 返回所有后面的节点
find_next () 返回第一个后面的节点
（7） find_all_previous () 返回所有前面的节点
find_ previous () 返回第一个前面的节点
5、CSS选择器
select()
html = '''
<div class="panel">
<div class="panel-heading">
<h4>Hello</h4>
</div>
<div class="panel-body">
<ul class="list" id="list-1">
<li class="element">BBB</li>
<li class="element">BBB CCC</li>
<li class="element">GGG</li>
</ul>
<ul class="list list-small" id="list-2">
<li class="element">HHH</li>
<li class="element">YYY</li>
<li class="element">VVV</li>
</ul>
</div>
</div>
'''
from bs4 import BeautifulSoup
import re
soup = BeautifulSoup(html,'lxml')
print(soup.select('.panel-heading')) ## class属性值为 panel-heading
print(soup.select('li')) ## 返回列表类型，列表元素为Tag类型
print(soup.select('#list-2 .element'))
## 嵌套选择
for ul in soup.select('ul'):
print(ul.select('li'))
## 获取属性
for ul in soup.select('ul'):
print(ul['id'])
## 或者
print(ul.attrs['id'])
## 获取文本 get_text()
for li in soup.select('li'):
print('获得文本：', li.get_text())
print('或者：', li.string)
