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。
可选择安装解析器
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过滤器可以被用在tag的name中，节点的属性等。
（1）name参数：
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，根据方法来匹配
（2）kwargs参数：
（3）attrs参数：
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：
（4）text参数：
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：
（5）limit参数：
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:
到此这篇关于Python使用Beautiful Soup(BS4)库解析HTML和XML的文章就介绍到这了。希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
到此这篇bs4解析器（bs4解析xml）的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/bcyy/79612.html