beautifulsoup4庫怎么用

這篇文章主要為大家展示了“beautifulsoup4庫怎么用”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“beautifulsoup4庫怎么用”這篇文章吧。

beautifulsoup4庫的使用

　　使用requests庫獲取HTML頁面并將其轉化成字符串后，需要進一步解析HTML頁面格式，提取有用信息，這需要處理HTML和XML的函數庫。beautifulsoup4庫，也成為BeautifulSoup庫或者bs4庫，用于解析和處理HTML和XML。需要注意的是，它不是BeautifulSoup庫。它的最大優點是能根據HTML和XML語法建立解析樹，進而高效解析其中的內容。beautifulsoup4庫采用面向對象思想實現，簡單地說，它把每個頁面當作一個對象，通過< a>.< b>()的凡是調用方法（即處理函數）。

BeautifulSoup中常用的一些屬性如下：

　　head：HTML頁面的< head>內容

　　title：HTML頁面標題，在< head>之中，有< title>標記

　　body：HTML頁面的< body>內容

　　p：HTML頁面中第一個< p>內容

　　strings：HTML頁面所有呈現在Web上的字符串，即標簽的內容

　　stripped_strings：HTML頁面所有呈現在Web上的非空格字符串

　　BeautifulSoup屬性與HTML的標簽名稱相同，遠不止這些。

　　 標簽對象的常用屬性：

　　name：字符串，標簽的名字，比如div

　　attrs：字典，包含了原來頁面Tag所有的屬性，比如href

　　contents：列表，這個Tag下所有子Tag的內容

　　string：字符串，Tag所包圍的文本，網頁中真是的文字，string屬性的返回值遵循如下原則：

　?。?）如果標簽內部沒有其他標簽，string屬性返回其中的內容。

　?。?）如果標簽內部還有其他標簽，但只有一個標簽，string屬性返回最里面標簽的內容。

　?。?）如果標簽內部有超過1層嵌套的標簽，string屬性返回None（空字符串）。

　　BeautifulSoup其中的兩個方法（這兩個方法會遍歷整個HTML文檔，按照條件返回標簽內容）：

　　 BeautifulSboup.find_all(name,attrs,recursive,string,limit)

　　作用：根據參數找到對應的標簽，返回列表類型。參數如下：

　　name：按照tag標簽，名字用字符串形式表示，例如div、li。

　　attrs：按照tag標簽屬性值檢索，需要列出屬性名稱和值，采用JSON表示。

　　recursive：設置查找層次，只查找當前標簽下一層時使用recursive=False。

　　string：按照關鍵字檢索string屬性內容，采用string=開始。

　　limit：返回結果的個數，默認返回全部結果。

　　簡單地說，BeautifulSoup的find_all()方法可以根據標簽名字、標簽屬性和內容檢索并返回標簽列表，通過片段字符串檢索時需要使用正則表達式re函數庫，re時Python標準庫，直接通過importre即可使用。采用re.comlile('jquery')實現對片段字符串(如‘jquery’)的檢索。當對標簽屬性檢索時，屬性和對應的值采用JSON格式，例如：'src':re.compile('jquery')，其中，鍵值對中值的部分可以是字符串或者正則表達式。

　　除了find_all()方法，BeautifulSoup類還提供一個find()方法，它們的區別只是前者返回全部結果而后者返回找到的第一個結果，find_all()函數由于可能返回更多結果，所以采用列表形式：find()函數返回字符串形式。

　　 BeautifulSoup.find(name,attrs,recursive,string)

　　作用：根據參數找到對應標簽，采用字符串返回找到的第一個值。

　　參數：與find_all()方法一樣。

以上是“beautifulsoup4庫怎么用”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！