BeautifulSoup_第二节
# (7)兄弟节点 .next_sibling .previous_sibling属性 兄弟节点可以理解为和本节点处在统一级的节点, # .next_sibling 属性获取了该节点的下一个兄弟节点,.previous_sibling 则与之相反,如果节点不存在,则返回 None #注意:实际文档中的tag的 .next_sibling 和 .previous_sibling 属性通常是字符串或空白, # 因为空白或者换行也可以被视作一个节点,所以得到的结果可能是空白或者换行 print(soup.p.next_sibling) print(soup.p.previous_sibling) print(soup.p.next_sibling.next_sibling) #(8)全部兄弟节点 .next_siblings .previous_siblings 属性 for sibling in soup.a.next_siblings: print(repr(sibling)) #(9)前后节点 .next_element .previous_element属性 # 与 .next_sibling .previous_sibling 不同,它并不是针对于兄弟节点,而是在所有节点,不分层次 #(10)所有前后节点 .next_elements .previous_elements #7.搜索文档树 #(1)find_all( name , attrs , recursive , text , **kwargs ) #find_all() 方法搜索当前tag的所有tag子节点,并判断是否符合过滤器的条件 #1)name 参数 name 参数可以查找所有名字为 name 的tag,字符串对象会被自动忽略掉 #A.传字符串 soup.find_all('b') #B.传正则表达式 如果传入正则表达式作为参数,Beautiful Soup会通过正则表达式的 match() 来匹配内容. import re for tag in soup.find_all(re.compile('^b')): print(tag.name) #C.传列表 如果传入列表参数,Beautiful Soup会将与列表中任一元素匹配的内容返回 soup.find_all(['a','b']) #D.传 True True 可以匹配任何值,下面代码查找到所有的tag,但是不会返回字符串节点 for tag in soup.find_all(True): print(tag.name) #E.传方法 如果没有合适过滤器,那么还可以定义一个方法,方法只接受一个元素参数 [4] , # 如果这个方法返回 True 表示当前元素匹配并且被找到,如果不是则反回 False def has_class_but_no_id(tag): return tag.has_attr('class') and not tag.has_attr('id') print(soup.find_all(has_class_but_no_id)) #2)keyword 参数 注意:如果一个指定名字的参数不是搜索内置的参数名, # 搜索时会把该参数当作指定名字tag的属性来搜索,如果包含一个名字为 id 的参数,Beautiful Soup会搜索每个tag的”id”属性 print(soup.find_all(id='link2')) print(soup.find_all(href=re.compile('elsie'))) #在这里我们想用 class 过滤,不过 class 是 python 的关键词,这怎么办?加个下划线就可以 print(soup.find_all('a','class_="sister"')) #有些tag属性在搜索不能使用,比如HTML5中的 data-* 属性 #但是可以通过 find_all() 方法的 attrs 参数定义一个字典参数来搜索包含特殊属性的tag data_soup = BeautifulSoup('<div daya_foo="value">foo!</div>') data_soup.find_all(attrs = {"data_foo":"value"}) #3)text 参数 # 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 #find_all() 方法返回全部的搜索结构,如果文档树很大那么搜索会很慢.如果我们不需要全部结果,可以使用 limit 参数限制返回结果的数量. # 效果与SQL中的limit关键字类似,当搜索到的结果数量达到 limit 的限制时,就停止搜索返回结果. #文档树中有3个tag符合搜索条件,但结果只返回了2个,因为我们限制了返回数量 print(soup.find_all('a',limit = 2)) #5)recursive 参数 #调用tag的 find_all() 方法时,Beautiful Soup会检索当前tag的所有子孙节点,如果只想搜索tag的直接子节点,可以使用参数 recursive=False . #(2)find( name , attrs , recursive , text , **kwargs ) #它与 find_all() 方法唯一的区别是 find_all() 方法的返回结果是值包含一个元素的列表,而 find() 方法直接返回结果 #(3)find_parents() find_parent() #find_all() 和 find() 只搜索当前节点的所有子节点,孙子节点等. #find_parents() 和 find_parent() 用来搜索当前节点的父辈节点,搜索方法与普通tag的搜索方法相同,搜索文档搜索文档包含的内容 #(4)find_next_siblings() find_next_sibling() #这2个方法通过 .next_siblings 属性对当 tag 的所有后面解析的兄弟 tag 节点进行迭代, #find_next_siblings() 方法返回所有符合条件的后面的兄弟节点,find_next_sibling() 只返回符合条件的后面的第一个tag节点 #(5)find_previous_siblings() find_previous_sibling() #这2个方法通过 .previous_siblings 属性对当前 tag 的前面解析的兄弟 tag 节点进行迭代, # find_previous_siblings() 方法返回所有符合条件的前面的兄弟节点, find_previous_sibling() 方法返回第一个符合条件的前面的兄弟节点 #(6)find_all_next() find_next() #这2个方法通过 .next_elements 属性对当前 tag 的之后的 tag 和字符串进行迭代, # find_all_next() 方法返回所有符合条件的节点, find_next() 方法返回第一个符合条件的节点 #(7)find_all_previous() 和 find_previous() #这2个方法通过 .previous_elements 属性对当前节点前面的 tag 和字符串进行迭代, #find_all_previous() 方法返回所有符合条件的节点, find_previous()方法返回第一个符合条件的节点 #8.CSS选择器 #我们在写 CSS 时,标签名不加任何修饰,类名前加点,id名前加 #,在这里我们也可以利用类似的方法来筛选元素,用到的方法是 soup.select(),返回类型是 list #(1)通过标签名查找 print(soup.select('title')) print(soup.select('a')) print(soup.select('b')) #(2)通过类名查找 print(soup.select('.sister')) #(3)通过 id 名查找 print(soup.select('#link1')) #(4)组合查找 #组合查找即和写 class 文件时,标签名与类名、id名进行的组合原理是一样的, #例如查找 p 标签中,id 等于 link1的内容,二者需要用空格分开 print(soup.select('p #link1')) #直接子标签查找 print(soup.select('head > title')) #(5)属性查找 #查找时还可以加入属性元素,属性需要用中括号括起来,注意属性和标签属于同一节点,所以中间不能加空格,否则会无法匹配到。 print(soup.select('a[class="sister"]')) #同样,属性仍然可以与上述查找方式组合,不在同一节点的空格隔开,同一节点的不加空格 print(soup.select('p a[href="http://example.com/elsie"]')) #以上的 select 方法返回的结果都是列表形式,可以遍历形式输出,然后用 get_text() 方法来获取它的内容。 soup = BeautifulSoup(html,'lxml') print(type(soup.select('title'))) print(soup.select('title')[0].get_text()) for title in soup.select('title'): print(title.get_text())
只待江流汲海,万木朝东