首頁 >後端開發 >Python教學 >使用Python中的Beautiful Soup來擷取屬性值

使用Python中的Beautiful Soup來擷取屬性值

WBOY轉載: 2023-09-10 19:05:021107瀏覽

使用Python中的Beautiful Soup提取属性值

要藉助 Beautiful Soup 提取屬性值，我們需要解析 HTML 文檔，然後提取所需的屬性值。 BeautifulSoup 是一個用於解析 HTML 和 XML 文件的 Python 函式庫。 BeautifulSoup 提供了多種搜尋和導航解析樹的方法，可以輕鬆地從文件中提取資料。在本文中，我們將藉助 Python 中的 Beautiful Soup 來提取屬性值。

演算法

您可以按照下面給出的演算法在Python中使用beautiful soup來提取屬性值。

使用bs4函式庫中的BeautifulSoup類別解析HTML文件。
使用適當的 BeautifulSoup 方法（例如 find() 或 find_all()）來尋找包含要提取的屬性的 HTML 元素。
使用條件語句或has_attr()方法檢查元素上是否存在該屬性。
如果屬性存在，則使用方括號 ([]) 和屬性名稱作為鍵來提取其值。
如果該屬性不存在，請適當處理錯誤。

安裝 Beautiful Soup

在使用Beautiful Soup庫之前，您需要使用Python套件管理器即pip指令進行安裝。若要安裝Beautiful Soup，請在終端機或命令提示字元中輸入下列命令。

pip install beautifulsoup4

提取屬性值

要從HTML標籤中擷取屬性值，我們首先需要使用BeautifulSoup解析HTML文件。然後使用Beautiful Soup方法來提取HTML文件中特定標籤的屬性值。

範例1：使用find()方法和方括號提取href屬性

在下面的範例中，我們首先建立了一個 HTML 文檔，並將其作為字串傳遞給具有解析器類型 html.parser 的 Beautiful Soup 建構子。接下來，我們使用 soup 物件的 find() 方法來找到「a」標籤。這將傳回 HTML 文件中第一次出現的「a」標記。最後，我們使用方括號表示法從「a」標籤中提取 href 屬性的值。這將以字串形式傳回 href 屬性的值。

from bs4 import BeautifulSoup

# Parse the HTML document
html_doc = """
<html>
<body>
   <a href="https://www.google.com">Google</a>
</body>
</html>
"""

soup = BeautifulSoup(html_doc, 'html.parser')

# Find the 'a' tag
a_tag = soup.find('a')

# Extract the value of the 'href' attribute
href_value = a_tag['href']

print(href_value)

輸出

https://www.google.com

範例 2：使用 attr 尋找具有特定屬性的元素

在下面的範例中，我們使用find_all()方法來尋找所有具有href屬性的`a`標籤。 `attrs`參數用於指定我們要找的屬性。 `{‘href’: True}`指定我們要找具有任何值的href屬性的元素。

from bs4 import BeautifulSoup

# Parse the HTML document
html_doc = """
<html>
<body>
   <a href="https://www.google.com">Google</a>
   <a href="https://www.python.org">Python</a>
   <a>No Href</a>
</body>
</html>
"""

soup = BeautifulSoup(html_doc, 'html.parser')

# Find all 'a' tags with an 'href' attribute
a_tags_with_href = soup.find_all('a', attrs={'href': True})
for tag in a_tags_with_href:
   print(tag['href'])

輸出

https://www.google.com
https://www.python.org

Example 3: 使用find_all()方法找出元素的所有出現

有時，您可能想要尋找網頁上所有出現的 HTML 元素。您可以使用 find_all() 方法來實現此目的。在下面的範例中，我們使用 find_all() 方法來尋找具有類別容器的所有 div 標籤。然後我們循環遍歷每個 div 標籤並找到其中的 h1 和 p 標籤。

from bs4 import BeautifulSoup

# Parse the HTML document
html_doc = """
<html>
<body>
   <div class="container">
      <h1>Heading 1</h1>
      <p>Paragraph 1</p>
   </div>
   <div class="container">
      <h1>Heading 2</h1>
      <p>Paragraph 2</p>
   </div>
</body>
</html>
"""

soup = BeautifulSoup(html_doc, 'html.parser')

# Find all 'div' tags with class='container'
div_tags = soup.find_all('div', class_='container')
for div in div_tags:
   h1 = div.find('h1')
   p = div.find('p')
   print(h1.text, p.text)

輸出

Heading 1 Paragraph 1
Heading 2 Paragraph 2

範例 4：使用 select() 透過 CSS 選擇器尋找元素

在下面的範例中，我們使用 select() 方法來尋找 class 為 container 的 div 標籤內的所有 h1 標籤。 CSS 選擇器 'div.container h1' 用於實現此目的。 . 用於表示類別名，而空格用於表示後代選擇器。

from bs4 import BeautifulSoup

# Parse the HTML document
html_doc = """
<html>
<body>
   <div class="container">
      <h1>Heading 1</h1>
      <p>Paragraph 1</p>
   </div>
   <div class="container">
      <h1>Heading 2</h1>
      <p>Paragraph 2</p>
   </div>
</body>
</html>
"""

soup = BeautifulSoup(html_doc, 'html.parser')

# Find all 'h1' tags inside a 'div' tag with class='container'
h1_tags = soup.select('div.container h1')
for h1 in h1_tags:
   print(h1.text)

輸出

Heading 1
Heading 2

結論

在本文中，我們討論如何使用 Python 中的 Beautiful Soup 庫從 HTML 文件中提取屬性值。透過使用BeautifulSoup提供的方法，我們可以輕鬆地從HTML和XML文件中提取所需的資料。

以上是使用Python中的Beautiful Soup來擷取屬性值的詳細內容。更多資訊請關注PHP中文網其他相關文章！

Python css html beautifulsoup pip 构造函数 select xml 字符串循环 class 对象 href 选择器算法

陳述：

本文轉載於：tutorialspoint.com。如有侵權，請聯絡admin@php.cn刪除

上一篇：Python開發者在工作市場中的優勢與劣勢分析下一篇：Python開發者在工作市場中的優勢與劣勢分析

看更多