基于BeautifulSoup库的ＨＴＭＬ中信息提取

在上一篇中，提到了soup.<tag>中，例如soup.a，如果html中有多个a，则返回第一个a，所以可以用soup.find_all(a)找到所有a标签。

find_all有多个参数，.find_all(name, attrs, recursive, string, **kwargs)，搜索当前所有tag子节点，并判断是否符合过滤器的条件

1. name 对标签名进行检索

（1）传入字符串

一般而言，就是传入标签名，比如检索a，怎找出全部的a标签，返回列表形式

（2）传入正则表达式

BeautifulSoup库会匹配所有符合正则表达式的标签，例如：

import re
for tag in soup.find_all(re.compile("^b")):
    print(tag.name)

（3）传入列表

 BeautifulSoup库会匹配列表中的任意一个元素的标签，返回所找标签内容，列表形式

soup.find_all(["a", "b"])

可以找出全部的a，b标签

（4）传入TRUE

此时会匹配任何值，即会查找到所有的tag，但是不会返回字符串节点

（5）据说还可以传自己需要的方法，以后再说

2. attrs对标签属性的检索字符串

（1）对于属性的检索，必须精确查找（准确赋值），不然，只能利用正则表达式来通过部分查找

例如，检索link时，就只会精确匹配link，但不会找link1

（2）如果搜索的属性是关键字，只要加个下划线，就可以正常使用了，例如，我们想用 class 过滤，不过 class 是 python 的关键词，加个下划线就可以。

（3）还有个例外（先留着这个坑，慢慢填坑）

3.text参数，string似乎也行，感觉同理

 通过 text 参数可以搜搜文档中的字符串内容.与 name 参数的可选值一样, text 参数接受 字符串 , 正则表达式 , 列表, True

4.limit参数

让limit=某个数字，即限定返回多少结果，避免返回结果过多卡死

5. recursive参数，是否对子孙全部检索，默认TRUE

6.<tag>(..)等价于<tag>.find_all(...)

  soup(...)等价于soup.find_all(...)

其他类似方法如下：