本篇文章為大家展示了利用BeautifulSoup怎么獲取指定class樣式的div標簽，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。
如何獲取指定的標簽的內容是解析網頁爬取數據的必要手段，比如想獲取<div class='xxx'> ...<div>這樣的div標簽，通常有三種辦法，
1）用字符串查找方法,然后切分字符串（或切片操作），如str.index(patternStr)或str.find(patternStr)，這種方法快，但步驟多，因為要去頭去尾。
2）用正則表達式，比如'<div class="result_info">([\s\S]+?)</div>'，通過正則表達式的括號，可以獲取匹配的內容，即<div ..></div>之間的內容：
import re def getTags(html): reg = r'<div class="result_info">([\s\S]+?)</div>' pattern= re.compile(reg) tags= re.findall(pattern, html) return tags
不過正則表達式仍有缺點，例如'<div class="result_info">([\s\S]+?)</div>'括號中的問號表示非貪婪匹配，正常情況下可以匹配到所需要的內容，但如果class="result_info"的div中還嵌套了子的div，那么正則表達式的后半部分"</div>"將會匹配子div的結尾部分</div>，而不是希望的父div.
假如有這樣一個html：
<div class="result_info"> <p>some paragraph test 1 </p> <p>some paragraph test 2 </p> <div id="div_sub" class="sub_div_style"> some contents in sub div </div> backend content here </div>
那么backend contents here這段內容將會匹配不到，正則表達式將會將id為div_sub的</div>作為結尾。
3）使用第三方庫，比如BeautifulSoup，優點是準確，缺點是速度會比字符串切分、正則表達式慢，下面說說BeautifulSoup的用法。
按照BeautifulSoup官方文檔的說明怎么都不能成功，后來在百度知道（http://zhidao.baidu.com/question/433247968620775644.html）找到答案，真是扯淡，附上有效代碼：
soup=BeautifulSoup(html)
print soup.find_all(name='div',attrs={"class":"footer"})#按照字典的形式給attrs參數賦值完整的：
from bs4 import BeautifulSoup
import urllib2
def getTargetDiv(url,myAttrs):
html=urllib2.urlopen(url).read()
soup=BeautifulSoup(html)
return soup.find_all(name='div',attrs=myAttrs)
if __name__=="__main__":
url=r'http://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/'
myAttrs={'class':'footer'}
print getTargetDiv(url, myAttrs)按照官方文檔(http://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/)的做法：
#1.soup.find_all("a", class_="sister")
#2.css_soup.find_all("p", class_="body")
#3.soup.find_all(href=re.compile("elsie"))改成
soup.find_all(name='div',class_=re.compile('info_item'))或者
soup.find_all('div',class_='info_item')都沒有匹配結果，經測試需要soup.find_all(name='div',attrs={"class":"footer"})這樣以字典的形式給attrs參數賦值才可以。
另一個例子，獲取指定樣式的div內的所有圖片url，并下載保存:
urls=[]
for img in soup.find('div',attrs={'class':'wrap'}).find_all('img'):#找到class="wrap"的div里面的所有<img>標簽
urls.append(img.attrs['src'])#獲取img標簽的src屬性，即圖片網址
i=0
savedir=r'C:\Users\hp\Desktop\Images'#路徑中不能包含中文
for url in urls:
urllib.urlretrieve(url, '%s\%s.jpg'%(savedir,i))
i+=1
print 'Done'上述內容就是利用BeautifulSoup怎么獲取指定class樣式的div標簽，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
