1、通过标签选择
# 选择所有title标签
soup.select("title")
# 选择所有p标签中的第三个标签
soup.select("p:nth-of-type(3)") 相当于soup.select(p)[2]
# 选择body标签下的所有a标签
soup.select("body a")
# 选择body标签下的直接a子标签
soup.select("body > a")
# 选择id=link1后的所有兄弟节点标签
soup.select("#link1 ~ .mysis")
# 选择id=link1后的下一个兄弟节点标签
soup.select("#link1 + .mysis")
2、通过类名查找
# 选择a标签，其类属性为mysis的标签
soup.select("a.mysis")
3、通过id查找
# 选择a标签，其id属性为link1的标签
soup.select("a#link1")
4、通过【属性】查找，当然也适用于class
# 选择a标签，其属性中存在myname的所有标签
soup.select("a[myname]")
# 选择a标签，其属性href=http://example.com/lacie的所有标签
soup.select("a[href='http://example.com/lacie']")
# 选择a标签，其href属性以http开头
soup.select('a[href^="http"]')
# 选择a标签，其href属性以lacie结尾
soup.select('a[href$="lacie"]')
# 选择a标签，其href属性包含.com
soup.select('a[href*=".com"]')
# 从html中排除某标签，此时soup中不再有script标签
[s.extract() for s in soup('script')]
# 如果想排除多个呢
[s.extract() for s in soup(['script','fram']
1、通过标签选择
|
1
2
3
4
5
6
7
8
9
10
11
12
|
# 选择所有title标签
soup.
select
(
"title"
)
# 选择所有p标签中的第三个标签
soup.
select
(
"p:nth-of-type(3)"
) 相当于soup.
select
(p)[2]
# 选择body标签下的所有a标签
soup.
select
(
"body a"
)
# 选择body标签下的直接a子标签
soup.
select
(
"body > a"
)
# 选择id=link1后的所有兄弟节点标签
soup.
select
(
"#link1 ~ .mysis"
)
# 选择id=link1后的下一个兄弟节点标签
soup.
select
(
"#link1 + .mysis"
)
|
2、通过类名查找
|
1
2
|
# 选择a标签，其类属性为mysis的标签
soup.
select
(
"a.mysis"
)
|
3、通过id查找
|
1
2
|
# 选择a标签，其id属性为link1的标签
soup.
select
(
"a#link1"
)
|
4、通过【属性】查找，当然也适用于class
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
# 选择a标签，其属性中存在myname的所有标签
soup.
select
(
"a[myname]"
)
# 选择a标签，其属性href=http://example.com/lacie的所有标签
soup.
select
(
"a[href='http://example.com/lacie']"
)
# 选择a标签，其href属性以http开头
soup.
select
(
'a[href^="http"]'
)
# 选择a标签，其href属性以lacie结尾
soup.
select
(
'a[href$="lacie"]'
)
# 选择a标签，其href属性包含.com
soup.
select
(
'a[href*=".com"]'
)
# 从html中排除某标签，此时soup中不再有script标签
[s.extract()
for
s
in
soup(
'script'
)]
# 如果想排除多个呢
[s.extract()
for
s
in
soup([
'script'
,
'fram'
]
|