99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀巨細(xì)！小姐姐告訴你關(guān)于 BeautifulSoup 的一切(續(xù))
巨細(xì)！小姐姐告訴你關(guān)于 BeautifulSoup 的一切(續(xù))
2021-10-19
收藏
巨細(xì)！小姐姐告訴你關(guān)于 BeautifulSoup 的一切(續(xù))

作者：潮汐

來源：Python 技術(shù)

詳細(xì)了解 BeautifulSoup 爬蟲

前面第一篇文章是關(guān)于 BeautifulSoup 爬蟲的基礎(chǔ)知識(shí)詳解第一部分，主要介紹了 BeautifulSoup 爬蟲的安裝過程及簡介，同時(shí)又快速學(xué)習(xí)了利用 BeautifulSoup 技術(shù)定位標(biāo)簽、獲取標(biāo)簽內(nèi)容的相關(guān)知識(shí)點(diǎn)，今天的文章將深入地介紹 BeautifulSoup 技術(shù)的詳細(xì)語法及其相關(guān)用法。

1.BeautifulSoup 對(duì)象

BeautifulSoup 將復(fù)雜的 HTML 文檔轉(zhuǎn)換成一個(gè)樹形結(jié)構(gòu)，每個(gè)節(jié)點(diǎn)都是 Python 對(duì)象，BeautifulSoup 官方文檔將所有的對(duì)象歸納為以下四種：

  • Tag
  • NavigableString
  • BeautifulSoup
  • Comment

接下來詳細(xì)介紹 BeautifulSoup 的四個(gè)對(duì)象：

Tag

Tag 對(duì)象表示 XML 或 HTML 文檔中的標(biāo)簽，通俗地講就是 HTML 中的一個(gè)個(gè)標(biāo)簽，該對(duì)象與 HTML 或 XML 原生文檔中的標(biāo)簽相同。Tag 有很多方法和屬性，BeautifulSoup 中定義為 soup.Tag，其中 Tag 為 HTML 中的標(biāo)簽，比如 a、title 等，其結(jié)果返回完整的標(biāo)簽內(nèi)容，包括標(biāo)簽的屬性和內(nèi)容等。例如以下實(shí)例就是 Tag: 

<title>BeautifulSoup 技術(shù)詳解</title> <p class="title">Hello</p> <p class="con">Python 技術(shù)</p>

以上的 HTML 代碼中，title、p 都是標(biāo)簽，起始標(biāo)簽和結(jié)束標(biāo)簽之間加上內(nèi)容就是 Tag。標(biāo)簽獲取方法代碼如下： 

#創(chuàng)建本地文件soup對(duì)象 soup = BeautifulSoup(open('test.html','rb'), "html.parser") #獲取a標(biāo)簽 a = soup.a #Tag print('a標(biāo)簽的內(nèi)容是:', a)

除此之外，Tag 中最重要的屬性是 name 和 attrs 。

  • name

name 屬性用于獲取文檔樹的標(biāo)簽名字，如果想獲取 title 標(biāo)簽的名字，只要使用 soup.title.name 代碼即可，對(duì)于內(nèi)部標(biāo)簽，輸出的值便為標(biāo)簽本身的名稱。

  • attrsattrs是屬性（attributes）的英文簡稱，屬性是網(wǎng)頁標(biāo)簽的重要內(nèi)容。一個(gè)標(biāo)簽（Tag）可能有很多個(gè)屬性，例如： 
<a href="https://www.baidu.com" class="xiaodu" id="l1">ddd</a>

以上實(shí)例存在兩個(gè)屬性，一個(gè)是class屬性，對(duì)應(yīng)的值為“xiaodu”；一個(gè)是id屬性，對(duì)應(yīng)的值為“l(fā)1”。Tag屬性操作方法與Python字典相同，獲取p標(biāo)簽的所有屬性代碼如下，得到一個(gè)字典類型的值，它獲取的是第一個(gè)段落 p 的屬性及屬性值。 

# 獲取屬性 print(soup.p.attrs) # 獲取屬性值 print(soup.a['class']) #[u'xiaodu'] print(soup.a.get('class')) #[u'l1']

BeautifulSoup 每個(gè)標(biāo)簽 tag 可能有很多個(gè)屬性，可以通過 “.attrs” 獲取屬性，tag 的屬性可以被修改、刪除或添加。

NavigableString

NavigableString 也叫可遍歷的字符串，字符串常被包含在 tag 內(nèi),BeautifulSoup 用 NavigableString 類來包裝tag中的字符串，

BeautifulSoup 用 NavigableString 類來包裝 tag 中的字符串，NavigableString 表示可遍歷的字符串。一個(gè) NavigableString 字符串與 Python 中的 Unicode 字符串相同，并且支持包含在遍歷文檔樹和搜索文檔樹中的一些特性。下述代碼可查看 NavigableString 的類型。 

# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title print(type(tag.string))

輸出結(jié)果如下： 

<class 'bs4.element.NavigableString'>

BeautifulSoup

BeautifulSoup 對(duì)象表示的是一個(gè)文檔的全部內(nèi)容，通常情況下把它當(dāng)作 Tag 對(duì)象，該對(duì)象支持遍歷文檔樹和搜索文檔樹中描述的大部分的方法，下面代碼是輸出 soup 對(duì)象的類型，輸出結(jié)果就是 BeautifulSoup 對(duì)象類型。 

# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title print(type(soup))

輸出結(jié)果如下： 

<class 'bs4.BeautifulSoup'>

因?yàn)?BeautifulSoup 對(duì)象并不是真正的 HTML 或 XML 的標(biāo)簽 tag，所以它沒有 name 和 attribute 屬性。但有時(shí)查看它的.name 屬性是很方便的，故 BeautifulSoup 對(duì)象包含了一個(gè)值為[document]的特殊屬性soup.name。下述代碼即是輸出 BeautifulSoup 對(duì)象的 name 屬性，其值為 [document]。

Comment

Comment 對(duì)象是一個(gè)特殊類型的 NavigableString 對(duì)象，它用于處理注釋對(duì)象。下面這個(gè)示例代碼用于讀取注釋內(nèi)容，代碼如下： 

markup = "<b><!-- hello comment code --></b>"
    soup = BeautifulSoup(markup, "html.parser")
    comment = soup.b.string
    print(type(comment))
    print(comment)
    
if __name__ == '__main__':
    mark()

輸出結(jié)果如下： 

<class 'bs4.BeautifulSoup'> <class 'bs4.element.Comment'> hello comment code

2.遍歷文檔樹

以上內(nèi)容講解完 4 個(gè)對(duì)象后，下面的知識(shí)講解遍歷文檔樹和搜索文檔樹以及 BeatifulSoup 常用的函數(shù)。在 BeautifulSoup 中，一個(gè)標(biāo)簽（Tag）可能包含多個(gè)字符串或其它的標(biāo)簽，這些稱為這個(gè)標(biāo)簽的子標(biāo)簽。

咱們繼續(xù)用以下超文本協(xié)議來講解： 

<!DOCTYPE html> <html lang="en"> <head> <title>BeautifulSoup 技術(shù)詳解</title> </head> <body> <p class="title">Hello</p> <p class="con">Python 技術(shù)</p> <a href="https://www.baidu.com" class="xiaodu" id="l1">ddd</a> </body> </html>
  • 子節(jié)點(diǎn)

一個(gè)Tag可能包含多個(gè)字符串或其它的Tag,這些都是這個(gè)Tag的子節(jié)點(diǎn)，Beautiful Soup 提供了許多操作和遍歷子節(jié)點(diǎn)的屬性。

例如獲取標(biāo)簽子節(jié)點(diǎn)內(nèi)容： 

# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title print(soup.head.contents)

輸出結(jié)果如下： 

['n', <title>BeautifulSoup 技術(shù)詳解</title>, 'n']

注意: Beautiful Soup中字符串節(jié)點(diǎn)不支持這些屬性,因?yàn)樽址疀]有子節(jié)點(diǎn)。

節(jié)點(diǎn)內(nèi)容

如果標(biāo)簽只有一個(gè)子節(jié)點(diǎn)，需要獲取該子節(jié)點(diǎn)的內(nèi)容，則需要使用 string 屬性，以此輸出節(jié)點(diǎn)的內(nèi)容： 

# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title print(soup.head.string) print(soup.title.string)

輸出結(jié)果如下： 

None BeautifulSoup 技術(shù)詳解
  • 父節(jié)點(diǎn)

調(diào)用 parent 屬性定位父節(jié)點(diǎn)，如果需要獲取節(jié)點(diǎn)的標(biāo)簽名則使用 parent.name。實(shí)例如下： 

# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title

p = soup.p print(p.parent) print(p.parent.name)

content = soup.head.title.string print(content.parent) print(content.parent.name)

輸出結(jié)果如下： 

<body> <p class="title">Hello</p> <p class="con">Python 技術(shù)</p> <a class="xiaodu" href="https://www.baidu.com" id="l1">ddd</a> </body> body <title>BeautifulSoup 技術(shù)詳解</title> title
  • 兄弟節(jié)點(diǎn)

兄弟節(jié)點(diǎn)是指和本節(jié)點(diǎn)位于同一級(jí)的節(jié)點(diǎn)，其中 next_sibling 屬性是獲取該節(jié)點(diǎn)的下一個(gè)兄弟節(jié)點(diǎn)，previous_sibling 則與之相反，取該節(jié)點(diǎn)的上一個(gè)兄弟節(jié)點(diǎn)，如果節(jié)點(diǎn)不存在，則返回 None。 

print(soup.p.next_sibling) print(soup.p.prev_sibling)
  • 前后節(jié)點(diǎn)

調(diào)用屬性 next_element 可以獲取下一個(gè)節(jié)點(diǎn)，調(diào)用屬性 previous_element 可以獲取上一個(gè)節(jié)點(diǎn)，代碼舉例如下： 

print(soup.p.next_element) print(soup.p.previous_element)

3.搜索文檔樹

BeautifulSoup 定義了很多搜索方法，例如 find() 和 find_all(); 但find_all()是最常用的一種方法，而更多的方法與遍歷文檔樹類似，包括父節(jié)點(diǎn)、子節(jié)點(diǎn)、兄弟節(jié)點(diǎn)等，使用find_all()方法的代碼如下： 

# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title

urls = soup.find_all('p') for u in urls: print(u)

輸出結(jié)果如下： 

<p class="title">Hello</p>
<p class="con">Python 技術(shù)</p>

使用 find_all() 可以查找到想要查找的文檔內(nèi)容。

總結(jié)

至此，阿醬理解范圍內(nèi)的 BeautifulSoup 基礎(chǔ)知識(shí)及用法基本上已經(jīng)概述完畢，有差池的地方希望大家海涵，我們一起努力前行。

數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請(qǐng)參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }