Python如何使用Beautiful Soup(BS4)库解析HTML和XML

这篇文章主要介绍了Python如何使用BeautifulSoup(BS4)库解析HTML和XML的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python如何使用BeautifulSoup(BS4)库解析HTML和XML文章都会有所收获，下面我们一起来看看吧。Beautiful Soup支持从HTML或XML文件中提取数据的Python库；它支持Python标准库中的HTML解析器，还支持一些第三方的解析器lxml。Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。pip installbeautifulsoup4可选择安装解析器pip install lxmlpip install html5lib假设有这样一个Html，具体内容如下：创建beautifulsoup4对象：BeautifulSoup4将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种:Tag 、NavigableString 、BeautifulSoup 、Comment、Tag通俗点讲就是HTML中的一个个标签，例如：我们可以利用 soup 加标签名轻松地获取这些标签的内容，这些对象的类型是bs4.element.Tag。但是注意，它查找的是在所有内容中的第一个符合要求的标签。对于 Tag，它有两个重要的属性，是name 和 attrs：既然我们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：BeautifulSoup对象表示的是一个文档的内容。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，例如：Comment 对象是一个特殊类型的 NavigableString 对象，其输出的内容不包括注释符号。.contents：获取Tag的所有子节点，返回一个list.children：获取Tag的所有子节点，返回一个生成器.descendants：获取Tag的所有子孙节点.parent：获取Tag的父节点.parents：递归得到父辈元素的所有节点，返回一个生成器.previous_sibling：获取当前Tag的上一个节点，属性通常是字符串或空白，真实结果是当前标签与上一个标签之间的顿号和换行符.next_sibling：获取当前Tag的下一个节点，属性通常是字符串或空白，真是结果是当前标签与下一个标签之间的顿号与换行符.previous_siblings：获取当前Tag的上面所有的兄弟节点，返回一个生成器.next_siblings：获取当前Tag的下面所有的兄弟节点，返回一个生成器.previous_element：获取解析过程中上一个被解析的对象(字符串或tag)，可能与previous_sibling相同，但通常是不一样的.next_element：获取解析过程中下一个被解析的对象(字符串或tag)，可能与next_sibling相同，但通常是不一样的.previous_elements：返回一个生成器，可以向前访问文档的解析内容.next_elements：返回一个生成器，可以向后访问文档的解析内容.strings：如果Tag包含多个字符串，即在子孙节点中有内容，可以用此获取，而后进行遍历.stripped_strings：与strings用法一致，只不过可以去除掉那些多余的空白内容.has_attr：判断Tag是否包含属性find_all(name, attrs, recursive, text, **kwargs)：find_all过滤器可以被用在tag的name中，节点的属性等。字符串过滤：会查找与字符串完全匹配的内容正则表达式过滤：如果传入的是正则表达式，那么BeautifulSoup4会通过search()来匹配内容列表：如果传入一个列表，BeautifulSoup4将会与列表中的任一元素匹配到的节点返回方法：传入一个方法，根免费云主机域名据方法来匹配并不是所有的属性都可以使用上面这种方式进行搜索，比如HTML的data-*属性：如果执行这段代码，将会报错。我们可以使用attrs参数，定义一个字典来搜索包含特殊属性的tag：通过text参数可以搜索文档中的字符串内容，与name参数的可选值一样，text参数接受 字符串，正则表达式，列表当我们搜索text中的一些特殊属性时，同样也可以传入一个方法来达到我们的目的：可以传入一个limit参数来限制返回的数量，当搜索出的数据量为5，而设置了limit=2时，此时只会返回前2个数据find_all除了上面一些常规的写法，还可以对其进行一些简写：find()将返回符合条件的第一个Tag，有时我们只需要或一个Tag时，我们就可以用到find()方法了。当然了，也可以使用find_all()方法，传入一个limit=1，然后再取出第一个值也是可以的，不过未免繁琐。从结果可以看出find_all，尽管传入了limit=1，但是返回值仍然为一个列表，当我们只需要取一个值时，远不如find方法方便。但是如果未搜索到值时，将返回一个None。在上面介绍BeautifulSoup4的时候，我们知道可以通过bs.div来获取第一个div标签，如果我们需要获取第一个div下的第一个div，我们可以这样：BeautifulSoup支持部分的CSS选择器，在Tag获取BeautifulSoup对象的.select()方法中传入字符串参数，即可使用CSS选择器的语法找到Tag:关于“Python如何使用BeautifulSoup(BS4)库解析HTML和XML”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“Python如何使用BeautifulSoup(BS4)库解析HTML和XML”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注百云主机行业资讯频道。

相关推荐: vue中mounted和created有哪些区别

本篇内容介绍了“vue中mounted和created有哪些区别”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！区别：1、created在模板渲染成html前调用…