BeautifulSoup支持最常用的CSS選擇器落君,在 Tag 或 BeautifulSoup 對象的 .select() 方法中傳入字符串參數(shù)亭引,即可使用CSS選擇器的語法找到tag绎速。
CSS選擇器
CSS選擇器是一種單獨的文檔搜索語法。
詳情請見此鏈接
BS4中的CSS選擇器
本篇所使用的html為:
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a class="sister" id="link1">Elsie</a>,
<a class="sister" id="link2">Lacie</a> and
<a class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
你可以這樣搜索tag:
soup.select("title")
# [<title>The Dormouse's story</title>]
soup.select("p nth-of-type(3)")
# [<p class="story">...</p>]
另外焙蚓,你也可以搜索在其他父標簽內(nèi)部的標簽纹冤,即通過標簽的所屬關(guān)系尋找標簽:
soup.select("body a") #搜索在body標簽內(nèi)部的a標簽
# [<a class="sister" id="link1">Elsie</a>,
# <a class="sister" id="link2">Lacie</a>,
# <a class="sister" id="link3">Tillie</a>]
soup.select("html head title") #搜索在html->head標簽內(nèi)部的標簽
# [<title>The Dormouse's story</title>]
可以直接尋找在其他標簽內(nèi)部的標簽:
soup.select("head > title")
# [<title>The Dormouse's story</title>]
soup.select("p > a")
# [<a class="sister" id="link1">Elsie</a>,
# <a class="sister" id="link2">Lacie</a>,
# <a class="sister" id="link3">Tillie</a>]
soup.select("p > a:nth-of-type(2)")
# [<a class="sister" id="link2">Lacie</a>]
soup.select("p > #link1")
# [<a class="sister" id="link1">Elsie</a>]
soup.select("body > a")
# []
通過tags標簽獲得元素的同胞兄弟:
soup.select("#link1 ~ .sister") #獲得id為link1,class為sister的兄弟標簽內(nèi)容(所有的兄弟便簽)
# [<a class="sister" id="link2">Lacie</a>,
# <a class="sister" id="link3">Tillie</a>]
soup.select("#link1 + .sister") #獲得id為link1购公,class為sister的兄弟標簽內(nèi)容(下一個兄弟便簽)
# [<a class="sister" id="link2">Lacie</a>]
通過CSS的類獲得tags標簽:
soup.select(".sister") #獲得所有class為sister的標簽
# [<a class="sister" id="link1">Elsie</a>,
# <a class="sister" id="link2">Lacie</a>,
# <a class="sister" id="link3">Tillie</a>]
soup.select("[class~=sister]") #效果同上一個
# [<a class="sister" id="link1">Elsie</a>,
# <a class="sister" id="link2">Lacie</a>,
# <a class="sister" id="link3">Tillie</a>]
通過id獲得標簽:
soup.select("#link1") #通過設(shè)置參數(shù)為id來獲取該id對應(yīng)的tag
# [<a class="sister" id="link1">Elsie</a>]
soup.select("a#link2") #這里區(qū)別于上一個單純的使用id萌京,又增添了tag屬性,使查找更加具體
# [<a class="sister" id="link2">Lacie</a>]
通過設(shè)置select函數(shù)的參數(shù)為列表宏浩,來獲取tags知残。只要匹配列表中的任意一個則就可以捕獲。
soup.select(“#link1,#link2”) #捕獲id為link1或link2的標簽
# [<a class=”sister” href=”http://example.com/elsie” id=”link1”>Elsie</a>,
# <a class=”sister” href=”http://example.com/lacie” id=”link2”>Lacie</a>]
按照標簽是否存在某個屬性來獲惹竺谩:
soup.select('a[href]') #獲取a標簽中具有href屬性的標簽
# [<a class="sister" id="link1">Elsie</a>,
# <a class="sister" id="link2">Lacie</a>,
# <a class="sister" id="link3">Tillie</a>]
通過某個標簽的具體某個屬性值來查找tags:
soup.select('a[)
# [<a class="sister" id="link1">Elsie</a>]
soup.select('a[href^="http://example.com/"]')
# [<a class="sister" id="link1">Elsie</a>,
# <a class="sister" id="link2">Lacie</a>,
# <a class="sister" id="link3">Tillie</a>]
soup.select('a[href$="tillie"]')
# [<a class="sister" id="link3">Tillie</a>]
soup.select('a[href*=".com/el"]')
# [<a class="sister" id="link1">Elsie</a>]
這里需要解釋一下:
soup.select(‘a(chǎn)[href^=”http://example.com/”]’)意思是查找href屬性值是以”http://example.com/“值為開頭的標簽,可以查看博客介紹佳窑。
soup.select(‘a(chǎn)[href$=”tillie”]’)意思是查找href屬性值是以tillie為結(jié)尾的標簽制恍。
soup.select(‘a(chǎn)[href*=”.com/el”]’)意思是查找href屬性值中存在字符串”.com/el”的標簽,所以只有href=”http://example.com/elsie”一個匹配华嘹。
查詢符合查詢條件的第一個標簽:
soup.select_one(".sister") #只查詢符合條件的第一個tag
# <a class="sister" id="link1">Elsie</a>