Python 之Beautiful Soup入门文档

mac2025-10-02 1

文章目录

一、安装二、基本使用2.1 对象种类2.2 Tag（标签）nameAttributes 2.3 NavigableString2.4 BeautifulSoup2.5. Comment三、进阶-遍历四、核心-查找官方文档：https://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/

一、安装

pip install beautifulsoup4

二、基本使用

导入并将 html 转成 unicode

from bs4 import BeautifulSoup soup = BeautifulSoup(open("index.html")) soup = BeautifulSoup("<html>data</html>")

如果只想得到tag中包含的文本内容,可以使用get_text()

2.1 对象种类

Tag（标签）NavigableString（标签内的字符串）BeautifulSoup（特殊Tag，文档的全部内容，可遍历和搜索）Comment（特殊类型的 NavigableString 对象）

2.2 Tag（标签）

Tag 是什么？通俗点讲就是 HTML 中的一个个标签，以豆瓣电影排行榜某段html 为例：

<a href="https://movie.douban.com/subject/1292052/" class=""> 肖申克的救赎 / The Shawshank Redemption / 月黑高飞(港) / 刺激1995(台) [可播放] </a> tag： a和 spanattrs（属性）：class=“title"、class=“other"和href="https://movie.douban.com/subject/1292052/"等等

name

Tag.a 标签即代表了所有的信息

print(soup.a) # <a class="" href="https://movie.douban.com/subject/1292052/"> 肖申克的救赎 / The Shawshank Redemption / 月黑高飞(港) / 刺激1995(台) [可播放] </a>

Attributes

print(soup.span['class’]) # ['title']

2.3 NavigableString

已经得到了标签的内容，那么问题来了，我们要想获取标签内部的文字怎么办呢？很简单，用 .string 即可，例如：

print(soup.a.string) # 肖申克的救赎

2.4 BeautifulSoup

BeautifulSoup 对象表示的是一个文档的全部内容.大部分时候,可以把它当作 Tag 对象，是一个特殊的 Tag，我们可以分别获取它的类型，名称，以及属性来感受一下

print(type(soup.a)) # <class 'bs4.element.Tag'> print(soup.name) #[document] print(soup.attrs ) #{}

2.5. Comment

Tag , NavigableString , BeautifulSoup 几乎覆盖了html和xml中的所有内容,但是还有一些特殊对象.容易让人担心的内容是文档的注释部分:

markup = "" soup = BeautifulSoup(markup) comment = soup.b.string type(comment) # <class 'bs4.element.Comment'>

可以comment 对象会使用特殊的格式输出:

print(soup.b.prettify()) # #  #

三、进阶-遍历

首先了解下DOM树：

四、核心-查找

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

find( name , attrs , recursive , text , **kwargs )

参数解析:

name：所有名字为 name 的tagattrs：属性Recursive：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

最新回复(0)