首頁 > 文章 > 後端開發 > 詳解Python利用Beautiful Soup模組搜尋內容方法

詳解Python利用Beautiful Soup模組搜尋內容方法

高洛峰原創: 2017-03-31 09:47:212833瀏覽

這篇文章主要為大家介紹了python中 Beautiful Soup 模組的搜尋方法函數。方法不同類型的過濾參數能夠進行不同的過濾，得到想要的結果。文中介紹的非常詳細，對大家有一定的參考價值，需要的朋友們下面來一起看看吧。

前言

我們將利用Beautiful Soup 模組的搜尋功能，根據標籤名稱、標籤屬性、文件文字和正規表示式來搜尋。

搜尋方法

Beautiful Soup 內建的搜尋方法如下：

find()
find_all()
find_parent()
find_parents()
find_next_sibling()
find_next_siblings()
find_previous_sibling()
#find_previous_siblings()
find_previous()
find_all_previous()
find_next()
find_all_next()

# #首先還是需要建立一個HTML 檔案用來做測試。

<html>
<body>
<p class="ecopyramid">
 <ul id="producers">
 <li class="producerlist">
  <p class="name">plants</p>
  <p class="number">100000</p>
 </li>
 <li class="producerlist">
  <p class="name">algae</p>
  <p class="number">100000</p>
 </li>
 </ul>
 <ul id="primaryconsumers">
 <li class="primaryconsumerlist">
  <p class="name">deer</p>
  <p class="number">1000</p>
 </li>
 <li class="primaryconsumerlist">
  <p class="name">rabbit</p>
  <p class="number">2000</p>
 </li>
 </ul>
 <ul id="secondaryconsumers">
 <li class="secondaryconsumerlist">
  <p class="name">fox</p>
  <p class="number">100</p>
 </li>
 <li class="secondaryconsumerlist">
  <p class="name">bear</p>
  <p class="number">100</p>
 </li>
 </ul>
 <ul id="tertiaryconsumers">
 <li class="tertiaryconsumerlist">
  <p class="name">lion</p>
  <p class="number">80</p>
 </li>
 <li class="tertiaryconsumerlist">
  <p class="name">tiger</p>
  <p class="number">50</p>
 </li>
 </ul>
</p>
</body>
</html>

我們可以透過

find()

方法來獲得 ff6d136ddc5fdfeffaf53ff6ee95f185 標籤，預設會得到第一個出現的。接著再取得 25edfb22a4f469ecb59f1190150159c6 標籤，預設還是會得到第一個出現的，接著取得 e388a4556c0f65e1904146cc1a846bee 標籤，透過輸出內容來驗證是否取得了第一個出現的標籤。

from bs4 import BeautifulSoup
with open(&#39;search.html&#39;,&#39;r&#39;) as filename:
 soup = BeautifulSoup(filename,&#39;lxml&#39;)
first_ul_entries = soup.find(&#39;ul&#39;)
print first_ul_entries.li.p.string

find() 方法具體如下：

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

如上程式碼所示，
find( )

方法接受五個參數：name、attrs、recursive、text 和**kwargs 。 name 、attrs 和 text 參數都可以在

find()

方法充當過濾器，提高匹配結果的精確度。

搜尋標籤

除了上面程式碼的搜尋ff6d136ddc5fdfeffaf53ff6ee95f185 標籤外，我們還可以搜尋25edfb22a4f469ecb59f1190150159c6 標籤，回傳結果也是回傳出現的第一個符合內容。

tag_li = soup.find(&#39;li&#39;)
# tag_li = soup.find(name = "li")
print type(tag_li)
print tag_li.p.string

搜尋文字

#如果我們只想根據文字內容來搜尋的話，我們可以只傳入文字參數：

search_for_text = soup.find(text=&#39;plants&#39;)
print type(search_for_text)
<class &#39;bs4.element.NavigableString&#39;>

傳回的結果也是NavigableString 物件。

根據正規表示式搜尋

如下的一段HTML 文字內容

<p>The below HTML has the information that has email ids.</p>
 abc@example.com 
<p>xyz@example.com</p> 
 <span>foo@example.com</span>

email_id_example = """
 <p>The below HTML has the information that has email ids.</p>
 abc@example.com
 <p>xyz@example.com</p>
 <span>foo@example.com</span>
 """
email_soup = BeautifulSoup(email_id_example,&#39;lxml&#39;)
print email_soup
# pattern = "\w+@\w+\.\w+"
emailid_regexp = re.compile("\w+@\w+\.\w+")
first_email_id = email_soup.find(text=emailid_regexp)
print first_email_id

在使用正規表示式進行比對時，如果有多個符合項，也是先傳回第一個。

可以透過標籤的屬性值來搜尋：

search_for_attribute = soup.find(id=&#39;primaryconsumers&#39;)
print search_for_attribute.li.p.string

根據標籤屬性值來搜尋對大多數屬性都是可用的，例如：id、style 和title 。

但對以下兩種情況會有不同：

自訂屬性

類別( class )屬性

我們不能再直接使用屬性值來搜尋了，而是得使用attrs 參數來傳遞給find()

函數。

根據自訂屬性來搜尋

在 HTML5 中是可以為標籤新增自訂屬性的，例如為標籤新增屬性。

如下程式碼所示，如果我們再像搜尋 id 那樣進行操作的話，會報錯的，Python 的變數不能包括 - 符號。

customattr = """
 <p data-custom="custom">custom attribute example</p>
   """
customsoup = BeautifulSoup(customattr,&#39;lxml&#39;)
customsoup.find(data-custom="custom")
# SyntaxError: keyword can&#39;t be an expression

這個時候使用attrs 屬性值來傳遞一個字典類型作為參數進行搜尋：

using_attrs = customsoup.find(attrs={&#39;data-custom&#39;:&#39;custom&#39;})
print using_attrs

#基於CSS 中的類別進行搜尋

對於CSS 的類別屬性，由於在Python 中class 是個關鍵字，所以是不能當做標籤屬性參數傳遞的，這種情況下，就和自定義屬性一樣進行搜尋。也是使用 attrs 屬性，傳遞一個字典來配對。

除了使用 attrs 屬性之外，還可以使用 class_ 屬性進行傳遞，這與 class 區別開了，也不會導致錯誤。

css_class = soup.find(attrs={&#39;class&#39;:&#39;producerlist&#39;})
css_class2 = soup.find(class_ = "producerlist")
print css_class
print css_class2

###使用自訂的函數搜尋#########可以給###find() ###方法傳遞一個函數，這樣就會根據函數定義的條件進行搜尋。 #########函數應該會傳回 true 或是 false 值。 ############

def is_producers(tag):
 return tag.has_attr(&#39;id&#39;) and tag.get(&#39;id&#39;) == &#39;producers&#39;
tag_producers = soup.find(is_producers)
print tag_producers.li.p.string

###程式碼中定義了一個 is_producers 函數，它將檢查標籤是否具體 id 屬性以及屬性值是否等於 producers，如果符合條件則傳回 true ，否則傳回 false 。 #########聯合使用各種搜尋方法#########Beautiful Soup 提供了各種搜尋方法，同樣，我們也可以聯合使用這些方法來進行匹配，提高搜尋的準確度。 ###

combine_html = """
 <p class="identical">
  Example of p tag with class identical
 </p>
 <p class="identical">
  Example of p tag with class identical
 <p>
 """
combine_soup = BeautifulSoup(combine_html,&#39;lxml&#39;)
identical_p = combine_soup.find("p",class_="identical")
print identical_p

使用 find_all() 方法搜索

使用 find() 方法会从搜索结果中返回第一个匹配的内容，而 find_all() 方法则会返回所有匹配的项。

在 find() 方法中用到的过滤项，同样可以用在 find_all() 方法中。事实上，它们可以用到任何搜索方法中，例如：find_parents() 和 find_siblings() 中。

# 搜索所有 class 属性等于 tertiaryconsumerlist 的标签。
all_tertiaryconsumers = soup.find_all(class_=&#39;tertiaryconsumerlist&#39;)
print type(all_tertiaryconsumers)
for tertiaryconsumers in all_tertiaryconsumers:
 print tertiaryconsumers.p.string

find_all() 方法为：

find_all(name,attrs,recursive,text,limit,**kwargs)

它的参数和 find() 方法有些类似，多个了 limit 参数。limit 参数是用来限制结果数量的。而 find() 方法的 limit 就是 1 了。

同时，我们也能传递一个字符串列表的参数来搜索标签、标签属性值、自定义属性值和 CSS 类。

# 搜索所有的 p 和 li 标签
p_li_tags = soup.find_all(["p","li"])
print p_li_tags
print
# 搜索所有类属性是 producerlist 和 primaryconsumerlist 的标签
all_css_class = soup.find_all(class_=["producerlist","primaryconsumerlist"])
print all_css_class
print

搜索相关标签

一般情况下，我们可以使用 find() 和 find_all() 方法来搜索指定的标签，同时也能搜索其他与这些标签相关的感兴趣的标签。

搜索父标签

可以使用 find_parent() 或者 find_parents() 方法来搜索标签的父标签。

find_parent() 方法将返回第一个匹配的内容，而 find_parents() 将返回所有匹配的内容，这一点与 find() 和 find_all() 方法类似。

# 搜索 父标签
primaryconsumers = soup.find_all(class_=&#39;primaryconsumerlist&#39;)
print len(primaryconsumers)
# 取父标签的第一个
primaryconsumer = primaryconsumers[0]
# 搜索所有 ul 的父标签
parent_ul = primaryconsumer.find_parents(&#39;ul&#39;)
print len(parent_ul)
# 结果将包含父标签的所有内容
print parent_ul
print
# 搜索,取第一个出现的父标签.有两种操作
immediateprimary_consumer_parent = primaryconsumer.find_parent()
# immediateprimary_consumer_parent = primaryconsumer.find_parent(&#39;ul&#39;)
print immediateprimary_consumer_parent

搜索同级标签

Beautiful Soup 还提供了搜索同级标签的功能。

使用函数 find_next_siblings() 函数能够搜索同一级的下一个所有标签，而 find_next_sibling() 函数能够搜索同一级的下一个标签。

producers = soup.find(id=&#39;producers&#39;)
next_siblings = producers.find_next_siblings()
print next_siblings

同样，也可以使用 find_previous_siblings() 和 find_previous_sibling() 方法来搜索上一个同级的标签。

搜索下一个标签

使用 find_next() 方法将搜索下一个标签中第一个出现的，而 find_next_all() 将会返回所有下级的标签项。

# 搜索下一级标签
first_p = soup.p
all_li_tags = first_p.find_all_next("li")
print all_li_tags

搜索上一个标签

与搜索下一个标签类似，使用 find_previous() 和 find_all_previous() 方法来搜索上一个标签。

以上是詳解Python利用Beautiful Soup模組搜尋內容方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！

陳述：

本文內容由網友自願投稿，版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容，請聯絡admin@php.cn

上一篇：詳解Python中迭代器與生成器實例方法下一篇：詳解Python中迭代器與生成器實例方法

看更多