這篇文章主要為大家介紹了python中 Beautiful Soup 模組的搜尋方法函數。 方法不同類型的過濾參數能夠進行不同的過濾，得到想要的結果。文中介紹的非常詳細，對大家有一定的參考價值，需要的朋友們下面來一起看看吧。
前言
我們將利用Beautiful Soup 模組的搜尋功能，根據標籤名稱、標籤屬性、文件文字和正規表示式來搜尋。
搜尋方法
Beautiful Soup 內建的搜尋方法如下：
find()
find_all()
find_parent()
find_parents()
find_next_sibling()
find_next_siblings()
find_previous_sibling()
#find_previous_siblings()
find_previous()
find_all_previous()
find_next()
find_all_next()
# #首先還是需要建立一個HTML 檔案用來做測試。
<html> <body> <p class="ecopyramid"> <ul id="producers"> <li class="producerlist"> <p class="name">plants</p> <p class="number">100000</p> </li> <li class="producerlist"> <p class="name">algae</p> <p class="number">100000</p> </li> </ul> <ul id="primaryconsumers"> <li class="primaryconsumerlist"> <p class="name">deer</p> <p class="number">1000</p> </li> <li class="primaryconsumerlist"> <p class="name">rabbit</p> <p class="number">2000</p> </li> </ul> <ul id="secondaryconsumers"> <li class="secondaryconsumerlist"> <p class="name">fox</p> <p class="number">100</p> </li> <li class="secondaryconsumerlist"> <p class="name">bear</p> <p class="number">100</p> </li> </ul> <ul id="tertiaryconsumers"> <li class="tertiaryconsumerlist"> <p class="name">lion</p> <p class="number">80</p> </li> <li class="tertiaryconsumerlist"> <p class="name">tiger</p> <p class="number">50</p> </li> </ul> </p> </body> </html>
find()
方法來獲得標籤，透過輸出內容來驗證是否取得了第一個出現的標籤。
from bs4 import BeautifulSoup with open('search.html','r') as filename: soup = BeautifulSoup(filename,'lxml') first_ul_entries = soup.find('ul') print first_ul_entries.li.p.string
find(name,attrs,recursive,text,**kwargs)
如上程式碼所示，
find( )
find()
方法充當過濾器，提高匹配結果的精確度。搜尋標籤
除了上面程式碼的搜尋tag_li = soup.find('li') # tag_li = soup.find(name = "li") print type(tag_li) print tag_li.p.string
搜尋文字
#如果我們只想根據文字內容來搜尋的話，我們可以只傳入文字參數：
search_for_text = soup.find(text='plants') print type(search_for_text) <class 'bs4.element.NavigableString'>
根據正規表示式搜尋
如下的一段HTML 文字內容
<p>The below HTML has the information that has email ids.</p> abc@example.com <p>xyz@example.com</p> <span>foo@example.com</span>
email_id_example = """
<p>The below HTML has the information that has email ids.</p>
abc@example.com
<p>xyz@example.com</p>
<span>foo@example.com</span>
"""
email_soup = BeautifulSoup(email_id_example,'lxml')
print email_soup
# pattern = "\w+@\w+\.\w+"
emailid_regexp = re.compile("\w+@\w+\.\w+")
first_email_id = email_soup.find(text=emailid_regexp)
print first_email_id可以透過標籤的屬性值來搜尋：
根據標籤屬性值來搜尋對大多數屬性都是可用的，例如：id、style 和title 。 search_for_attribute = soup.find(id='primaryconsumers')
print search_for_attribute.li.p.string
登入後複製
自訂屬性
類別( class )屬性
我們不能再直接使用屬性值來搜尋了，而是得使用attrs 參數來傳遞給find()
函數。根據自訂屬性來搜尋
在 HTML5 中是可以為標籤新增自訂屬性的，例如為標籤新增 屬性。
如下程式碼所示，如果我們再像搜尋 id 那樣進行操作的話，會報錯的，Python 的變數不能包括 - 符號。
customattr = """ <p data-custom="custom">custom attribute example</p> """ customsoup = BeautifulSoup(customattr,'lxml') customsoup.find(data-custom="custom") # SyntaxError: keyword can't be an expression
這個時候使用attrs 屬性值來傳遞一個字典類型作為參數進行搜尋：using_attrs = customsoup.find(attrs={'data-custom':'custom'})
print using_attrs #基於CSS 中的類別進行搜尋
對於CSS 的類別屬性，由於在Python 中class 是個關鍵字，所以是不能當做標籤屬性參數傳遞的，這種情況下，就和自定義屬性一樣進行搜尋。也是使用 attrs 屬性，傳遞一個字典來配對 。
除了使用 attrs 屬性之外，還可以使用 class_ 屬性進行傳遞，這與 class 區別開了，也不會導致錯誤。
css_class = soup.find(attrs={'class':'producerlist'})
css_class2 = soup.find(class_ = "producerlist")
print css_class
print css_class2def is_producers(tag): return tag.has_attr('id') and tag.get('id') == 'producers' tag_producers = soup.find(is_producers) print tag_producers.li.p.string
combine_html = """
<p class="identical">
Example of p tag with class identical
</p>
<p class="identical">
Example of p tag with class identical
<p>
"""
combine_soup = BeautifulSoup(combine_html,'lxml')
identical_p = combine_soup.find("p",class_="identical")
print identical_p使用 find_all() 方法搜索
使用 find() 方法会从搜索结果中返回第一个匹配的内容，而 find_all() 方法则会返回所有匹配的项。
在 find() 方法中用到的过滤项，同样可以用在 find_all() 方法中。事实上，它们可以用到任何搜索方法中，例如：find_parents() 和 find_siblings() 中 。
# 搜索所有 class 属性等于 tertiaryconsumerlist 的标签。 all_tertiaryconsumers = soup.find_all(class_='tertiaryconsumerlist') print type(all_tertiaryconsumers) for tertiaryconsumers in all_tertiaryconsumers: print tertiaryconsumers.p.string
find_all() 方法为 ：
find_all(name,attrs,recursive,text,limit,**kwargs)
它的参数和 find() 方法有些类似，多个了 limit 参数。limit 参数是用来限制结果数量的。而 find() 方法的 limit 就是 1 了。
同时，我们也能传递一个字符串列表的参数来搜索标签、标签属性值、自定义属性值和 CSS 类。
# 搜索所有的 p 和 li 标签 p_li_tags = soup.find_all(["p","li"]) print p_li_tags print # 搜索所有类属性是 producerlist 和 primaryconsumerlist 的标签 all_css_class = soup.find_all(class_=["producerlist","primaryconsumerlist"]) print all_css_class print
搜索相关标签
一般情况下，我们可以使用 find() 和 find_all() 方法来搜索指定的标签，同时也能搜索其他与这些标签相关的感兴趣的标签。
搜索父标签
可以使用 find_parent() 或者 find_parents() 方法来搜索标签的父标签。
find_parent() 方法将返回第一个匹配的内容，而 find_parents() 将返回所有匹配的内容，这一点与 find() 和 find_all() 方法类似。
# 搜索 父标签 primaryconsumers = soup.find_all(class_='primaryconsumerlist') print len(primaryconsumers) # 取父标签的第一个 primaryconsumer = primaryconsumers[0] # 搜索所有 ul 的父标签 parent_ul = primaryconsumer.find_parents('ul') print len(parent_ul) # 结果将包含父标签的所有内容 print parent_ul print # 搜索,取第一个出现的父标签.有两种操作 immediateprimary_consumer_parent = primaryconsumer.find_parent() # immediateprimary_consumer_parent = primaryconsumer.find_parent('ul') print immediateprimary_consumer_parent
搜索同级标签
Beautiful Soup 还提供了搜索同级标签的功能。
使用函数 find_next_siblings() 函数能够搜索同一级的下一个所有标签，而 find_next_sibling() 函数能够搜索同一级的下一个标签。
producers = soup.find(id='producers') next_siblings = producers.find_next_siblings() print next_siblings
同样，也可以使用 find_previous_siblings() 和 find_previous_sibling() 方法来搜索上一个同级的标签。
搜索下一个标签
使用 find_next() 方法将搜索下一个标签中第一个出现的，而 find_next_all() 将会返回所有下级的标签项。
# 搜索下一级标签
first_p = soup.p
all_li_tags = first_p.find_all_next("li")
print all_li_tags搜索上一个标签
与搜索下一个标签类似，使用 find_previous() 和 find_all_previous() 方法来搜索上一个标签。
以上是詳解Python利用Beautiful Soup模組搜尋內容方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！
