soup.select()函数的使用用法
版权
soup.select()在源代码中的原型为:
select(self, selector, namespaces=None, limit=None, **kwargs)1
功能：查找html中我们所需要的内容
我们主要使用的参数是selector，其定义为”包含CSS选择器的字符串“。关于CCS，也需要了解一些概念，参考CCS语法与CSS Id 和 Class。
我们在写 CSS 时，标签名不加任何修饰，类名前加点，id名前加 #，在这里我们也可以利用类似的方法来筛选元素，用到的方法是 soup.select()。如下代码（如h1，p等为标签.center为类名，#para1为id）：
<!DOCTYPE html><html><head><meta charset="utf-8"> <title>菜鸟教程(runoob.com)</title> <style>.center{text-align:center;}#para1{text-align:center;color:red;} </style></head><body><h1 class="center">标题居中</h1><p id="para1">红色段落居中。</p> </body></html>1234567891011121314151617181920212223
以下是将要用到的代码
from bs4 import BeautifulSouphtml = """<html> <head> <title> The Dormouse's story </title> </head> <body> <p class="title" name="dromouse"> <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" href="http://example.com/elsie" id="link1"> <!-- Elsie --> </a>, <a class="sister" href="http://example.com/lacie" id="link2"> Lacie </a>and <a class="sister" href="http://example.com/tillie" id="link3"> Tillie </a>; and they lived at the bottom of a well. </p> <p class="story"> ... </p> </body></html>"""soup = BeautifulSoup(html, 'lxml') # 传入解析器：lxml123456789101112131415161718
soup.select()可通过以下方法进行查找。
1.通过（HTML）标签名查找
print(soup.select('title'))print(soup.select('a'))#输出的列表含有多个包含标签<a>的元素12
输出为：
[<title>The Dormouse's story</title>][<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>, <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>, <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]1234
2.通过CCS类选择器查找
print(soup.select('.story'))1
输出为
[<p class="story">Once upon a time there were three little sisters; and their names were<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>,<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a> and<a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>;and they lived at the bottom of a well.</p>, <p class="story">...</p>]123456
3.通过CCS id 选择器查找
print(soup.select('#link1'))1
输出为：
[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]1
4.组合查找
组合查找和通过标签名与类选择器、id选择器进行查找的组合原理是一样的，例如查找 p 标签中，id 等于 link1的内容，二者需要用空格分开。
print(soup.select('p #link1'))1
输出为：
[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]1
5.子标签查找
父标签与子标签之间通过" > "表示递进关系
print(soup.select('p > b'))1
输出为：
[<b>The Dormouse's story</b>]1
通过子标签查找时的注意事项：soup.select()尽量不使用完整selector
6.通过属性查找
还可以加入属性元素，属性需要用中括号括起来，注意属性和标签属于同一节点，所以中间不能加空格，否则会无法匹配到。
# 通过href属性及其值进行查找print(soup.select('a[href="
输出为：
[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]
赞 (0)