Beautiful Soup
是一個(gè)可以從HTML或XML文件中提取數(shù)據(jù)的Python庫(kù).它能夠通過(guò)你喜歡的轉(zhuǎn)換器實(shí)現(xiàn)慣用的文檔導(dǎo)航,查找,修改文檔的方式.Beautiful Soup會(huì)幫你節(jié)省數(shù)小時(shí)甚至數(shù)天的工作時(shí)間. 文檔地址:http://beautifulsoup.readthedocs.io/zh_CN/latest/ 安裝: apt-get install python-bs4
Beautiful Soup 4 通過(guò)PyPi發(fā)布,所以如果你無(wú)法使用系統(tǒng)包管理安裝,那么也可以通過(guò) easy_install 或 pip 來(lái)安裝.包的名字是 beautifulsoup4 ,這個(gè)包兼容Python2和Python3.
$ easy_install beautifulsoup4
$ pip install beautifulsoup4
依賴的解析器安裝: 安裝解析器 Beautiful Soup支持Python標(biāo)準(zhǔn)庫(kù)中的HTML解析器,還支持一些第三方的解析器,其中一個(gè)是 lxml .根據(jù)操作系統(tǒng)不同,可以選擇下列方法來(lái)安裝lxml:
$ apt-get install Python-lxml
$ easy_install lxml
$ pip install lxml
另一個(gè)可供選擇的解析器是純Python實(shí)現(xiàn)的 html5lib , html5lib的解析方式與瀏覽器相同,可以選擇下列方法來(lái)安裝html5lib:
$ apt-get install Python-html5lib
$ easy_install html5lib
$ pip install html5lib 推薦使用lxml作為解析器,因?yàn)樾矢? 在Python2.7.3之前的版本和Python3中3.2.2之前的版本,必須安裝lxml或html5lib, 因?yàn)槟切㏄ython版本的標(biāo)準(zhǔn)庫(kù)中內(nèi)置的HTML解析方法不夠穩(wěn)定.
下面開(kāi)始使用這個(gè)庫(kù)（這里之講解簡(jiǎn)單的用法，具體看文檔）
1.創(chuàng)建 Beautiful Soup 對(duì)象 首先必須要導(dǎo)入 bs4 庫(kù)
<python>#coding:utf-8from bs4 import BeautifulSoupimport lxml</python>
實(shí)例化Beautifulsoup ,創(chuàng)建對(duì)象 一段html代碼（可以是抓取的也可以是寫入的），也可以從文件里面。
<python>html='''一段html代碼'''soup = BeautifulSoup(html)soup = BeautifulSoup(open('百度一下，你就知道.html'))</python>
修改一下:后面添加lxml，表示用lxml解析器 soup = BeautifulSoup(open(‘baidu.html’),”lxml”)
這里加載百度首頁(yè)文件： 可以嘗試輸出:
<python>print soup #普通輸出print soup.prettify() #格式化輸出</python>
格式化輸出結(jié)果:
<html></html>
四大對(duì)象種類
Beautiful Soup將復(fù)雜HTML文檔轉(zhuǎn)換成一個(gè)復(fù)雜的樹形結(jié)構(gòu),每個(gè)節(jié)點(diǎn)都是Python對(duì)象,所有對(duì)象可以歸納為4種: Tag , NavigableString , BeautifulSoup , Comment .
（1）Tag
Tag 是什么？通俗點(diǎn)講就是 HTML 中的一個(gè)個(gè)標(biāo)簽，例如:
<title>The Dormouse's story</title><a class="sister" id="link1">Elsie</a>
上面的 title a 等等 HTML 標(biāo)簽加上里面包括的內(nèi)容就是 Tag，下面我們來(lái)感受一下怎樣用 Beautiful Soup 來(lái)方便地獲取 Tags
下面每一段代碼中注釋部分即為運(yùn)行結(jié)果
print soup.title#<title>The Dormouse's story</title>print soup.head#<head><title>The Dormouse's story</title></head>print soup.a#<a class="sister" id="link1"></a>print soup.p#<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
我們可以利用 soup加標(biāo)簽名輕松地獲取這些標(biāo)簽的內(nèi)容，是不是感覺(jué)比正則表達(dá)式方便多了？不過(guò)有一點(diǎn)是，它查找的是在所有內(nèi)容中的第一個(gè)符合要求的標(biāo)簽，如果要查詢所有的標(biāo)簽，我們?cè)诤竺孢M(jìn)行介紹。 我們可以驗(yàn)證一下這些對(duì)象的類型
print type(soup.a)#<class 'bs4.element.Tag'>
對(duì)于 Tag，它有兩個(gè)重要的屬性，是 name 和 attrs，下面我們分別來(lái)感受一下:
name
print soup.nameprint soup.head.name#[document]#head
soup 對(duì)象本身比較特殊，它的 name 即為 [document]，對(duì)于其他內(nèi)部標(biāo)簽，輸出的值便為標(biāo)簽本身的名稱。
attrs
print soup.p.attrs#{'class': ['title'], 'name': 'dromouse'}
在這里，我們把 p 標(biāo)簽的所有屬性打印輸出了出來(lái)，得到的類型是一個(gè)字典。
如果我們想要單獨(dú)獲取某個(gè)屬性，可以這樣，例如我們獲取它的 class 叫什么
print soup.p['class']#['title']
還可以這樣，利用get方法，傳入屬性的名稱，二者是等價(jià)的
print soup.p.get('class')#['title']
我們可以對(duì)這些屬性和內(nèi)容等等進(jìn)行修改，例如
soup.p['class']="newClass"print soup.p#<p class="newClass" name="dromouse"><b>The Dormouse's story</b></p>
還可以對(duì)這個(gè)屬性進(jìn)行刪除，例如
del soup.p['class']print soup.p#<p name="dromouse"><b>The Dormouse's story</b></p>
不過(guò)，對(duì)于修改刪除的操作，不是我們的主要用途，在此不做詳細(xì)介紹了，如果有需要，請(qǐng)查看前面提供的官方文檔 （2）NavigableString
既然我們已經(jīng)得到了標(biāo)簽的內(nèi)容，那么問(wèn)題來(lái)了，我們要想獲取標(biāo)簽內(nèi)部的文字怎么辦呢？很簡(jiǎn)單，用 .string 即可，例如
print soup.p.string#The Dormouse's story
這樣我們就輕松獲取到了標(biāo)簽里面的內(nèi)容，想想如果用正則表達(dá)式要多麻煩。它的類型是一個(gè) NavigableString，翻譯過(guò)來(lái)叫 可以遍歷的字符串，不過(guò)我們最好還是稱它英文名字吧。
print type(soup.p.string)#<class 'bs4.element.NavigableString'>
來(lái)檢查一下它的類型
print type(soup.p.string)#<class 'bs4.element.NavigableString'>
（3）BeautifulSoup
BeautifulSoup 對(duì)象表示的是一個(gè)文檔的全部?jī)?nèi)容.大部分時(shí)候,可以把它當(dāng)作 Tag 對(duì)象，是一個(gè)特殊的 Tag，我們可以分別獲取它的類型，名稱，以及屬性來(lái)感受一下
print type(soup.name)#<type 'unicode'>print soup.name # [document]print soup.attrs #{} 空字典
（4）Comment
Comment 對(duì)象是一個(gè)特殊類型的 NavigableString 對(duì)象，其實(shí)輸出的內(nèi)容仍然不包括注釋符號(hào)，但是如果不好好處理它，可能會(huì)對(duì)我們的文本處理造成意想不到的麻煩。
我們找一個(gè)帶注釋的標(biāo)簽
print soup.aprint soup.a.stringprint type(soup.a.string)
運(yùn)行結(jié)果如下
<a class="sister" id="link1"></a> Elsie <class 'bs4.element.Comment'>
a 標(biāo)簽里的內(nèi)容實(shí)際上是注釋，但是如果我們利用 .string 來(lái)輸出它的內(nèi)容，我們發(fā)現(xiàn)它已經(jīng)把注釋符號(hào)去掉了，所以這可能會(huì)給我們帶來(lái)不必要的麻煩。
另外我們打印輸出下它的類型，發(fā)現(xiàn)它是一個(gè) Comment 類型，所以，我們?cè)谑褂们白詈米鲆幌屡袛啵袛啻a如下
if type(soup.a.string)==bs4.element.Comment:print soup.a.string
上面的代碼中，我們首先判斷了它的類型，是否為 Comment 類型，然后再進(jìn)行其他操作，如打印輸出。 6. 遍歷文檔樹 （1）直接子節(jié)點(diǎn)
要點(diǎn)：.contents .children 屬性
.contents
tag 的 .content 屬性可以將tag的子節(jié)點(diǎn)以列表的方式輸出
print soup.head.contents #[<title>The Dormouse's story</title>]
輸出方式為列表，我們可以用列表索引來(lái)獲取它的某一個(gè)元素
print soup.head.contents[0]#<title>The Dormouse's story</title>
.children
它返回的不是一個(gè) list，不過(guò)我們可以通過(guò)遍歷獲取所有子節(jié)點(diǎn)。
我們打印輸出 .children 看一下，可以發(fā)現(xiàn)它是一個(gè) list 生成器對(duì)象
print soup.head.children#<listiterator object at 0x7f71457f5710>
我們?cè)鯓荧@得里面的內(nèi)容呢？很簡(jiǎn)單，遍歷一下就好了，代碼及結(jié)果如下
for child in soup.body.children:print child<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" id="link1"></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>
（2）所有子孫節(jié)點(diǎn)
知識(shí)點(diǎn)：.descendants 屬性
.descendants
.contents 和 .children 屬性僅包含tag的直接子節(jié)點(diǎn)，.descendants 屬性可以對(duì)所有tag的子孫節(jié)點(diǎn)進(jìn)行遞歸循環(huán)，和 children類似，我們也需要遍歷獲取其中的內(nèi)容。
for child in soup.descendants:print child
運(yùn)行結(jié)果如下，可以發(fā)現(xiàn)，所有的節(jié)點(diǎn)都被打印出來(lái)了，先生最外層的 HTML標(biāo)簽，其次從 head 標(biāo)簽一個(gè)個(gè)剝離，以此類推。
<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" id="link1"></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></body></html><head><title>The Dormouse's story</title></head><title>The Dormouse's story</title>The Dormouse's story<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" id="link1"></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></body><p class="title" name="dromouse"><b>The Dormouse's story</b></p><b>The Dormouse's story</b>The Dormouse's story<p class="story">Once upon a time there were three little sisters; and their names were<a class="sister" id="link1"></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>Once upon a time there were three little sisters; and their names were<a class="sister" id="link1"></a> Elsie
,
<a class="sister" id="link2">Lacie</a>Lacie and<a class="sister" id="link3">Tillie</a>Tillie;and they lived at the bottom of a well.<p class="story">...</p>...
（3）節(jié)點(diǎn)內(nèi)容
知識(shí)點(diǎn)：.string 屬性
如果tag只有一個(gè) NavigableString 類型子節(jié)點(diǎn),那么這個(gè)tag可以使用 .string 得到子節(jié)點(diǎn)。如果一個(gè)tag僅有一個(gè)子節(jié)點(diǎn),那么這個(gè)tag也可以使用 .string 方法,輸出結(jié)果與當(dāng)前唯一子節(jié)點(diǎn)的 .string 結(jié)果相同。
通俗點(diǎn)說(shuō)就是：如果一個(gè)標(biāo)簽里面沒(méi)有標(biāo)簽了，那么 .string 就會(huì)返回標(biāo)簽里面的內(nèi)容。如果標(biāo)簽里面只有唯一的一個(gè)標(biāo)簽了，那么 .string 也會(huì)返回最里面的內(nèi)容。例如
print soup.head.string#The Dormouse's storyprint soup.title.string#The Dormouse's story
如果tag包含了多個(gè)子節(jié)點(diǎn),tag就無(wú)法確定，string 方法應(yīng)該調(diào)用哪個(gè)子節(jié)點(diǎn)的內(nèi)容, .string 的輸出結(jié)果是 None
print soup.html.string# None
（4）多個(gè)內(nèi)容
知識(shí)點(diǎn)： .strings .stripped_strings 屬性.strings
獲取多個(gè)內(nèi)容，不過(guò)需要遍歷獲取，比如下面的例子
for string in soup.strings: print(repr(string)) # u"The Dormouse's story" # u'\n\n' # u"The Dormouse's story" # u'\n\n' # u'Once upon a time there were three little sisters; and their names were\n' # u'Elsie' # u',\n' # u'Lacie' # u' and\n' # u'Tillie' # u';\nand they lived at the bottom of a well.' # u'\n\n' # u'...' # u'\n'
.stripped_strings
輸出的字符串中可能包含了很多空格或空行,使用 .stripped_strings 可以去除多余空白內(nèi)容
for string in soup.stripped_strings: print(repr(string)) # u"The Dormouse's story" # u"The Dormouse's story" # u'Once upon a time there were three little sisters; and their names were' # u'Elsie' # u',' # u'Lacie' # u'and' # u'Tillie' # u';\nand they lived at the bottom of a well.' # u'...'
（5）父節(jié)點(diǎn)
知識(shí)點(diǎn)： .parent 屬性p = soup.pprint p.parent.name#bodycontent = soup.head.title.stringprint content.parent.name#title
（6）全部父節(jié)點(diǎn)
知識(shí)點(diǎn)：.parents 屬性
通過(guò)元素的 .parents 屬性可以遞歸得到元素的所有父輩節(jié)點(diǎn)，例如
content = soup.head.title.stringfor parent in content.parents: print parent.nametitleheadhtml[document]
（7）兄弟節(jié)點(diǎn)
知識(shí)點(diǎn)：.next_sibling .previous_sibling 屬性
兄弟節(jié)點(diǎn)可以理解為和本節(jié)點(diǎn)處在統(tǒng)一級(jí)的節(jié)點(diǎn)，.next_sibling 屬性獲取了該節(jié)點(diǎn)的下一個(gè)兄弟節(jié)點(diǎn)，.previous_sibling 則與之相反，如果節(jié)點(diǎn)不存在，則返回 None
注意：實(shí)際文檔中的tag的 .next_sibling 和 .previous_sibling 屬性通常是字符串或空白，因?yàn)榭瞻谆蛘邠Q行也可以被視作一個(gè)節(jié)點(diǎn)，所以得到的結(jié)果可能是空白或者換行
print soup.p.next_sibling# 實(shí)際該處為空白print soup.p.prev_sibling#None 沒(méi)有前一個(gè)兄弟節(jié)點(diǎn)，返回 Noneprint soup.p.next_sibling.next_sibling#<p class="story">Once upon a time there were three little sisters; and their names were#<a class="sister" id="link1"></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>#下一個(gè)節(jié)點(diǎn)的下一個(gè)兄弟節(jié)點(diǎn)是我們可以看到的節(jié)點(diǎn)
（8）全部兄弟節(jié)點(diǎn)
知識(shí)點(diǎn)：.next_siblings .previous_siblings 屬性
通過(guò) .next_siblings 和 .previous_siblings 屬性可以對(duì)當(dāng)前節(jié)點(diǎn)的兄弟節(jié)點(diǎn)迭代輸出
for sibling in soup.a.next_siblings: print(repr(sibling)) # u',\n' # <a class="sister" id="link2">Lacie</a> # u' and\n' # <a class="sister" id="link3">Tillie</a> # u'; and they lived at the bottom of a well.' # None
（9）前后節(jié)點(diǎn)
知識(shí)點(diǎn)：.next_element .previous_element 屬性
與 .next_sibling .previous_sibling 不同，它并不是針對(duì)于兄弟節(jié)點(diǎn)，而是在所有節(jié)點(diǎn)，不分層次
比如 head 節(jié)點(diǎn)為
<head><title>The Dormouse's story</title></head>
那么它的下一個(gè)節(jié)點(diǎn)便是 title，它是不分層次關(guān)系的
print soup.head.next_element#<title>The Dormouse's story</title>
（10）所有前后節(jié)點(diǎn)
知識(shí)點(diǎn)：.next_elements .previous_elements 屬性
通過(guò) .next_elements 和 .previous_elements 的迭代器就可以向前或向后訪問(wèn)文檔的解析內(nèi)容,就好像文檔正在被解析一樣
for element in last_a_tag.next_elements: print(repr(element))# u'Tillie'# u';\nand they lived at the bottom of a well.'# u'\n\n'# <p class="story">...</p># u'...'# u'\n'# None
7.搜索文檔樹 （1）find_all( name , attrs , recursive , text , kwargs )
find_all() 方法搜索當(dāng)前tag的所有tag子節(jié)點(diǎn),并判斷是否符合過(guò)濾器的條件
1）name 參數(shù)
name 參數(shù)可以查找所有名字為 name 的tag,字符串對(duì)象會(huì)被自動(dòng)忽略掉
A.傳字符串
最簡(jiǎn)單的過(guò)濾器是字符串.在搜索方法中傳入一個(gè)字符串參數(shù),Beautiful Soup會(huì)查找與字符串完整匹配的內(nèi)容,下面的例子用于查找文檔中所有的 標(biāo)簽 soup.find_all(‘b’) # [The Dormouse’s story]**
print soup.find_all('a')#[<a class="sister" id="link1"></a>, <a class="sister" id="link2">Lacie</a>, <a class="sister" id="link3">Tillie</a>]
B.傳正則表達(dá)式
如果傳入正則表達(dá)式作為參數(shù),Beautiful Soup會(huì)通過(guò)正則表達(dá)式的 match() 來(lái)匹配內(nèi)容.下面例子中找出所有以b開(kāi)頭的標(biāo)簽,這表示和標(biāo)簽都應(yīng)該被找到
import refor tag in soup.find_all(re.compile("^b")): print(tag.name)# body# b
C.傳列表
如果傳入列表參數(shù),Beautiful Soup會(huì)將與列表中任一元素匹配的內(nèi)容返回.下面代碼找到文檔中所有標(biāo)簽和標(biāo)簽
soup.find_all(["a", "b"])# [<b>The Dormouse's story</b>,# <a class="sister" id="link1">Elsie</a>,# <a class="sister" id="link2">Lacie</a>,# <a class="sister" id="link3">Tillie</a>]
D.傳 True
True 可以匹配任何值,下面代碼查找到所有的tag,但是不會(huì)返回字符串節(jié)點(diǎn)
for tag in soup.find_all(True): print(tag.name)# html# head# title# body# p# b# p# a# a
E.傳方法
如果沒(méi)有合適過(guò)濾器,那么還可以定義一個(gè)方法,方法只接受一個(gè)元素參數(shù) [4] ,如果這個(gè)方法返回 True 表示當(dāng)前元素匹配并且被找到,如果不是則反回 False
下面方法校驗(yàn)了當(dāng)前元素,如果包含 class 屬性卻不包含 id 屬性,那么將返回 True:
def has_class_but_no_id(tag): return tag.has_attr('class') and not tag.has_attr('id')
將這個(gè)方法作為參數(shù)傳入 find_all() 方法,將得到所有
標(biāo)簽:
soup.find_all(has_class_but_no_id)# [<p class="title"><b>The Dormouse's story</b></p>,# <p class="story">Once upon a time there were...</p>,# <p class="story">...</p>]
2）keyword 參數(shù)
注意：如果一個(gè)指定名字的參數(shù)不是搜索內(nèi)置的參數(shù)名,搜索時(shí)會(huì)把該參數(shù)當(dāng)作指定名字tag的屬性來(lái)搜索,如果包含一個(gè)名字為 id 的參數(shù),Beautiful Soup會(huì)搜索每個(gè)tag的”id”屬性soup.find_all(id='link2')# [<a class="sister" id="link2">Lacie</a>]
如果傳入 href 參數(shù),Beautiful Soup會(huì)搜索每個(gè)tag的”href”屬性
soup.find_all(href=re.compile("elsie"))# [<a class="sister" id="link1">Elsie</a>]
使用多個(gè)指定名字的參數(shù)可以同時(shí)過(guò)濾tag的多個(gè)屬性
soup.find_all(href=re.compile("elsie"), id='link1')# [<a class="sister" id="link1">three</a>]
在這里我們想用 class 過(guò)濾，不過(guò) class 是 python 的關(guān)鍵詞，這怎么辦？加個(gè)下劃線就可以
soup.find_all("a", class_="sister")# [<a class="sister" id="link1">Elsie</a>,# <a class="sister" id="link2">Lacie</a>,# <a class="sister" id="link3">Tillie</a>]
有些tag屬性在搜索不能使用,比如HTML5中的 data-* 屬性
soup.find_all("a", class_="sister")# [<a class="sister" id="link1">Elsie</a>,# <a class="sister" id="link2">Lacie</a>,# <a class="sister" id="link3">Tillie</a>]
但是可以通過(guò) find_all() 方法的 attrs 參數(shù)定義一個(gè)字典參數(shù)來(lái)搜索包含特殊屬性的tag
data_soup.find_all(attrs={"data-foo": "value"})# [<div data-foo="value">foo!</div>]
3）text 參數(shù)
通過(guò) text 參數(shù)可以搜搜文檔中的字符串內(nèi)容.與 name 參數(shù)的可選值一樣, text 參數(shù)接受 字符串 , 正則表達(dá)式 , 列表, True
soup.find_all(text="Elsie")# [u'Elsie']soup.find_all(text=["Tillie", "Elsie", "Lacie"])# [u'Elsie', u'Lacie', u'Tillie']soup.find_all(text=re.compile("Dormouse"))[u"The Dormouse's story", u"The Dormouse's story"]
4）limit 參數(shù)
find_all() 方法返回全部的搜索結(jié)構(gòu),如果文檔樹很大那么搜索會(huì)很慢.如果我們不需要全部結(jié)果,可以使用 limit 參數(shù)限制返回結(jié)果的數(shù)量.效果與SQL中的limit關(guān)鍵字類似,當(dāng)搜索到的結(jié)果數(shù)量達(dá)到 limit 的限制時(shí),就停止搜索返回結(jié)果.
文檔樹中有3個(gè)tag符合搜索條件,但結(jié)果只返回了2個(gè),因?yàn)槲覀兿拗屏朔祷財(cái)?shù)量
soup.find_all("a", limit=2)# [<a class="sister" id="link1">Elsie</a>,# <a class="sister" id="link2">Lacie</a>]
5）recursive 參數(shù)
調(diào)用tag的 find_all() 方法時(shí),Beautiful Soup會(huì)檢索當(dāng)前tag的所有子孫節(jié)點(diǎn),如果只想搜索tag的直接子節(jié)點(diǎn),可以使用參數(shù) recursive=False .
一段簡(jiǎn)單的文檔:
復(fù)制代碼 代碼如下:
<html> <head> <title> The Dormouse's story </title> </head> ...
是否使用 recursive 參數(shù)的搜索結(jié)果:
soup.html.find_all("title")# [<title>The Dormouse's story</title>]soup.html.find_all("title", recursive=False)# []
（2）find( name , attrs , recursive , text , **kwargs )
它與 find_all() 方法唯一的區(qū)別是 find_all() 方法的返回結(jié)果是值包含一個(gè)元素的列表,而 find() 方法直接返回結(jié)果 （3）find_parents() find_parent()
find_all() 和 find() 只搜索當(dāng)前節(jié)點(diǎn)的所有子節(jié)點(diǎn),孫子節(jié)點(diǎn)等. find_parents() 和 find_parent() 用來(lái)搜索當(dāng)前節(jié)點(diǎn)的父輩節(jié)點(diǎn),搜索方法與普通tag的搜索方法相同,搜索文檔搜索文檔包含的內(nèi)容 （4）find_next_siblings() find_next_sibling()
這2個(gè)方法通過(guò) .next_siblings 屬性對(duì)當(dāng) tag 的所有后面解析的兄弟 tag 節(jié)點(diǎn)進(jìn)行迭代, find_next_siblings() 方法返回所有符合條件的后面的兄弟節(jié)點(diǎn),find_next_sibling() 只返回符合條件的后面的第一個(gè)tag節(jié)點(diǎn) （5）find_previous_siblings() find_previous_sibling()
這2個(gè)方法通過(guò) .previous_siblings 屬性對(duì)當(dāng)前 tag 的前面解析的兄弟 tag 節(jié)點(diǎn)進(jìn)行迭代, find_previous_siblings() 方法返回所有符合條件的前面的兄弟節(jié)點(diǎn), find_previous_sibling() 方法返回第一個(gè)符合條件的前面的兄弟節(jié)點(diǎn) （6）find_all_next() find_next()
這2個(gè)方法通過(guò) .next_elements 屬性對(duì)當(dāng)前 tag 的之后的 tag 和字符串進(jìn)行迭代, find_all_next() 方法返回所有符合條件的節(jié)點(diǎn), find_next() 方法返回第一個(gè)符合條件的節(jié)點(diǎn) （7）find_all_previous() 和 find_previous()
這2個(gè)方法通過(guò) .previous_elements 屬性對(duì)當(dāng)前節(jié)點(diǎn)前面的 tag 和字符串進(jìn)行迭代, find_all_previous() 方法返回所有符合條件的節(jié)點(diǎn), find_previous()方法返回第一個(gè)符合條件的節(jié)點(diǎn)
注：以上（2）（3）（4）（5）（6）（7）方法參數(shù)用法與 find_all() 完全相同，原理均類似，在此不再贅述。
8.CSS選擇器
我們?cè)趯?CSS 時(shí)，標(biāo)簽名不加任何修飾，類名前加點(diǎn)，id名前加 #，在這里我們也可以利用類似的方法來(lái)篩選元素，用到的方法是 soup.select()，返回類型是 list （1）通過(guò)標(biāo)簽名查找
print soup.select('title') #[<title>The Dormouse's story</title>]print soup.select('a')#[<a class="sister" id="link1"></a>, <a class="sister" id="link2">Lacie</a>, <a class="sister" id="link3">Tillie</a>]print soup.select('b')#[<b>The Dormouse's story</b>]
（2）通過(guò)類名查找
print soup.select('.sister')#[<a class="sister" id="link1"></a>, <a class="sister" id="link2">Lacie</a>, <a class="sister" id="link3">Tillie</a>]
（3）通過(guò) id 名查找
print soup.select('#link1')#[<a class="sister" id="link1"></a>]
（4）組合查找
組合查找即和寫 class 文件時(shí)，標(biāo)簽名與類名、id名進(jìn)行的組合原理是一樣的，例如查找 p 標(biāo)簽中，id 等于 link1的內(nèi)容，二者需要用空格分開(kāi)
print soup.select('p #link1')#[<a class="sister" id="link1"></a>]
直接子標(biāo)簽查找
print soup.select("head > title")#[<title>The Dormouse's story</title>]
（5）屬性查找
查找時(shí)還可以加入屬性元素，屬性需要用中括號(hào)括起來(lái)，注意屬性和標(biāo)簽屬于同一節(jié)點(diǎn)，所以中間不能加空格，否則會(huì)無(wú)法匹配到。
print soup.select("head > title")#[<title>The Dormouse's story</title>]print soup.select('a[href="http://example.com/elsie"]')#[<a class="sister" id="link1"></a>]
同樣，屬性仍然可以與上述查找方式組合，不在同一節(jié)點(diǎn)的空格隔開(kāi)，同一節(jié)點(diǎn)的不加空格
print soup.select('p a[href="http://example.com/elsie"]')#[<a class="sister" id="link1"></a>]
好，這就是另一種與 find_all 方法有異曲同工之妙的查找方法
