記錄下各種使用姿態
測試的 html 代碼：
<html> <head> <title>Test</title> <body> <p class="title"> <b>Test</b> </p> <div name="ele" class="story"> "i'm a div" <ul> <li> <a href="http://www.baidu.com" id="link1"> <img src="http://www.baidu.com" data-src='//www.baidu.com'> </a> </li> <li> <a href="http://www.baidu.com" id="link2"> <img src="data:image/jpg;base64,covijfklawefonva..."> </a> </li> </ul> </div>
這里使用了 python 內置的解析器：
soup = BeautifulSoup(html, 'html.parser')
開始輸出
# 輸出整個 html print '\n', soup.prettify()
# title 標簽 print '\n', soup.title
# title 標簽名稱 print '\n', soup.title.name
# title 標簽內容 print '\n', soup.title.string
# title 標簽的父級標簽名稱 print '\n', soup.title.parent.name
# p 標簽（首個 p） print '\n', soup.p
# p 標簽名稱 print '\n', soup.p.name
# p 標簽下的 b 標簽 print '\n', soup.p.b
# p 標簽的 class 屬性值，類型、數組首個值 print '\n', soup.p["class"], type(soup.p["class"]), soup.p["class"][0]
# 首個 a 標簽 print '\n', soup.a
# 查找所有 a 標簽， 類型數組 a_arr = soup.find_all('a') for value in a_arr: print value
# 查找 id = link2 的標簽（特殊的標簽屬性可以不寫 attrs） print '\n', soup.find(id='link2')
# 查找 class 是 title 的標簽 print '\n', soup.find(attrs={'class': 'title'})
# 查找 name 是 ele 的標簽 print '\n', soup.find(attrs={'name': 'ele'})
# 查找 img，獲取相應屬性值 img_arr = soup.find_all('img') for value in img_arr: print '\n ', value['src'] attrs = value.attrs for attr in attrs: print '\n ', attr if attr == 'data-src': print '\n ', value[attr]
# 獲取 div 標簽下所有子節點 print '\n', soup.div.contents,
# 獲取 div 下第二個子節點 print '\n', soup.div.contents[1]
# 獲取 div 下第二個子節點 print '\n', soup.div.contents[1].li
# 獲取 b 標簽的文本內容 print '\n', soup.b.get_text()
# 獲取無值屬性再判斷是否None print '\n', soup.div.title, type(soup.div.title), soup.div.title == None, not soup.div.title
# css 選擇器 select() print '\n', soup.select('b')
最后，貼上測試代碼
# -*- coding: utf-8 -*- from bs4 import BeautifulSoup def main(): html = ''' <html> <head> <title>Test</title> <body> <p class="title"> <b>Test</b> </p> <div name="ele" class="story"> "i'm a div" <ul> <li> <a href="http://www.baidu.com" id="link1"> <img src="http://www.baidu.com" data-src='//www.baidu.com'> </a> </li> <li> <a href="http://www.baidu.com" id="link2"> <img src="data:image/jpg;base64,covijfklawefonva..."> </a> </li> </ul> </div> ''' soup = BeautifulSoup(html, 'html.parser') # 輸出整個 html # print '\n', soup.prettify() # title 標簽 # print '\n', soup.title # title 標簽名稱 # print '\n', soup.title.name # title 標簽內容 # print '\n', soup.title.string # title 標簽的父級標簽名稱 # print '\n', soup.title.parent.name # p 標簽（首個 p） # print '\n', soup.p # p 標簽名稱 # print '\n', soup.p.name # p 標簽下的 b 標簽 # print '\n', soup.p.b # p 標簽的 class 屬性值，類型、數組首個值 # print '\n', soup.p["class"], type(soup.p["class"]), soup.p["class"][0] # 首個 a 標簽 # print '\n', soup.a # 查找所有 a 標簽， 類型數組 # a_arr = soup.find_all('a') # for value in a_arr: # print '\n', value # 查找 id = link2 的標簽（特殊的標簽屬性可以不寫 attrs） # print '\n', soup.find(id='link2') # 查找 class 是 title 的標簽 # print '\n', soup.find(attrs={'class': 'title'}) # 查找 name 是 ele 的標簽 # print '\n', soup.find(attrs={'name': 'ele'}) # 查找 img，獲取相應屬性值 # img_arr = soup.find_all('img') # for value in img_arr: # print '\n ', value['src'] # attrs = value.attrs # for attr in attrs: # print '\n ', attr # if attr == 'data-src': # print '\n ', value[attr] # 獲取 div 標簽下所有子節點 # print '\n', soup.div.contents, # 獲取 div 下首個子節點 # print '\n', soup.div.contents[0] # 獲取 div 下第二個子節點 # print '\n', soup.div.contents[1] # 獲取 div 下第二個子節點 # print '\n', soup.div.contents[1].li # 獲取 b 標簽的文本內容 # print '\n', soup.b.get_text() # 獲取無值屬性 # print '\n', soup.div.title, type(soup.div.title), soup.div.title == None, not soup.div.title # not 取反 # if not None: # print None # css 選擇器 select() print '\n', soup.select('b') # file onload if __name__ == '__main__': main()