python 之 BeautifulSoup 常用提取

一、bs4信息提取后返回的数据类型

soup.find('tbody')            ---> 返回结构是一个bs4.element.Tag

soup.find('tbody').children   ---> 返回结果是一个 list.iter

二、 常用查找之soup.find_all(), soup.find_all().children,soup.find()信息提取

举例标签：

<tbody>
    <tr>
        <td>1<td>
        <td>清华大学<td>
        <td>北京市<td>
        <td>98.00<td>
        <td>100.00<td>
        <td>-1<td>
    <tr>
</tbody>

（1）查找html中所有'tbody'标签；

>>>> soup.find_all('tbody')

（2）查找html中tbody标签的所有<tr>子标签，是所有的<tr>。

>>>> soup.find('tbody').children

（3）查找html文档中第一个tbody标签

>>>> soup.find('tbody')

三、 常用查找之"名称"、"属性"、"字符串"信息提取

举例标签：

<img src = 'http://www.abc.com/123.jpg'>

 

（1） tag.name
>>>> 标签名称提取

（2） tag.get('attrs')    

>>>> tag标签中属性内容提取，比如图片链接提取：

>>>> for x in soup.find_all('img'):
         x.get('src')

 
（3）tag.string
>>>> tag标签中所有字符串提取。