如何新手入门掌握Python Beautiful Soup基础操作？

2026-05-22 03:581阅读0评论SEO资讯

内容介绍
文章标签
相关推荐

本文共计2082个文字，预计阅读时间需要9分钟。

Beautiful Soup 是一个用于解析 HTML 和 XML 的 Python 库，方便从网页中提取数据。特点包括：提供简单、Python 风格的函数处理导航、搜索、修改分析树等操作。

Beautiful Soup就是Python的一个HTML或XML的解析库，可以用它来方便地从网页中提取数据。它有如下三个特点：

Beautiful Soup提供一些简单的、Python式的函数来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。
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。你不需要考虑编码方式，除非文档没有指定一个编码方式，这时你仅仅需要说明一下原始编码方式就可以了。
Beautiful Soup已成为和lxml、html6lib一样出色的Python解释器，为用户灵活地提供不同的解析策略或强劲的速度。

首先，我们要安装它：pip install bs4,然后安装 pip install beautifulsoup4.

Beautiful Soup支持的解析器

下面我们以lxml解析器为例：

from bs4 import BeautifulSoup
soup = BeautifulSoup('<p>Hello</p>', 'lxml')
print(soup.p.string)

结果：

Hello

beautiful soup美化的效果实例：

结果：

<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="example.com/elsie" rel="external nofollow" rel="external nofollow" rel="external nofollow" id="link1">  </a> , <a class="sister" href="example.com/lacie" rel="external nofollow" rel="external nofollow" rel="external nofollow" id="link2"> Lacie </a> and <a class="sister" href="example.com/tillie" rel="external nofollow" rel="external nofollow" rel="external nofollow" id="link3"> Tillie </a> ; and they lived at the bottom of a well. </p> <p class="story"> ... </p> </body> </html> The Dormouse's story

下面举例说明选择元素、属性、名称的方法

html = """ <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 href="example.com/elsie" rel="external nofollow" rel="external nofollow" rel="external nofollow" class="sister" id="link1"></a>, <a href="example.com/lacie" rel="external nofollow" rel="external nofollow" rel="external nofollow" class="sister" id="link2">Lacie</a> and <a href="example.com/tillie" rel="external nofollow" rel="external nofollow" rel="external nofollow" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p> <p class="story">...</p> """ from bs4 import BeautifulSoup soup = BeautifulSoup(html, 'lxml') print('输出结果为title节点加里面的文字内容:\n',soup.title) print('输出它的类型:\n',type(soup.title)) print('输出节点的文本内容:\n',soup.title.string) print('结果是节点加其内部的所有内容:\n',soup.head) print('结果是第一个p节点的内容:\n',soup.p) print('利用name属性获取节点的名称:\n',soup.title.name) #这里需要注意的是，有的返回结果是字符串，有的返回结果是字符串组成的列表。 # 比如，name属性的值是唯一的，返回的结果就是单个字符串。 # 而对于class，一个节点元素可能有多个class，所以返回的是列表。 print('每个节点可能有多个属性，比如id和class等:\n',soup.p.attrs) print('选择这个节点元素后，可以调用attrs获取所有属性：\n',soup.p.attrs['name']) print('获取p标签的name属性值：\n',soup.p['name']) print('获取p标签的class属性值：\n',soup.p['class']) print('获取第一个p节点的文本:\n',soup.p.string)

结果：

输出结果为title节点加里面的文字内容: <title>The Dormouse's story</title> 输出它的类型: <class 'bs4.element.Tag'> 输出节点的文本内容: The Dormouse's story 结果是节点加其内部的所有内容: <head><title>The Dormouse's story</title></head> 结果是第一个p节点的内容: <p class="title" name="dromouse"><b>The Dormouse's story</b></p> 利用name属性获取节点的名称: title 每个节点可能有多个属性，比如id和class等: {'class': ['title'], 'name': 'dromouse'} 选择这个节点元素后，可以调用attrs获取所有属性： dromouse 获取p标签的name属性值： dromouse 获取p标签的class属性值： ['title'] 获取第一个p节点的文本: The Dormouse's story

在上面的例子中，我们知道每一个返回结果都是bs4.element.Tag类型，它同样可以继续调用节点进行下一步的选择。

html = """ <html><head><title>The Dormouse's story</title></head> <body> """ from bs4 import BeautifulSoup soup = BeautifulSoup(html, 'lxml') print('获取了head节点元素，继续调用head来选取其内部的head节点元素:\n',soup.head.title) print('继续调用输出类型：\n',type(soup.head.title)) print('继续调用输出内容：\n',soup.head.title.string)

结果：

获取了head节点元素，继续调用head来选取其内部的head节点元素: <title>The Dormouse's story</title> 继续调用输出类型： <class 'bs4.element.Tag'> 继续调用输出内容： The Dormouse's story

（1）find_all()

find_all，顾名思义，就是查询所有符合条件的元素。给它传入一些属性或文本，就可以得到符合条件的元素，它的功能十分强大。

find_all(name , attrs , recursive , text , **kwargs)

他的用法：

html=''' <div class="panel"> <div class="panel-heading"> <h4>Hello</h4> </div> <div class="panel-body"> <ul class="list" id="list-1"> <li class="element">Foo</li> <li class="element">Bar</li> <li class="element">Jay</li> </ul> <ul class="list list-small" id="list-2"> <li class="element">Foo</li> <li class="element">Bar</li> </ul> </div> </div> ''' from bs4 import BeautifulSoup soup = BeautifulSoup(html, 'lxml') print('查询所有ul节点，返回结果是列表类型，长度为2:\n',soup.find_all(name='ul')) print('每个元素依然都是bs4.element.Tag类型:\n',type(soup.find_all(name='ul')[0])) #将以上步骤换一种方式，遍历出来 for ul in soup.find_all(name='ul'): print('输出每个u1:',ul.find_all(name='li')) #遍历两层 for ul in soup.find_all(name='ul'): print('输出每个u1:',ul.find_all(name='li')) for li in ul.find_all(name='li'): print('输出每个元素：',li.string)

结果：

查询所有ul节点，返回结果是列表类型，长度为2: [<ul class="list" id="list-1"> <li class="element">Foo</li> <li class="element">Bar</li> <li class="element">Jay</li> </ul>, <ul class="list list-small" id="list-2"> <li class="element">Foo</li> <li class="element">Bar</li> </ul>] 每个元素依然都是bs4.element.Tag类型: <class 'bs4.element.Tag'> 输出每个u1: [<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>] 输出每个u1: [<li class="element">Foo</li>, <li class="element">Bar</li>] 输出每个u1: [<li class="element">Foo</li>, <li class="element">Bar</li>, <li class="element">Jay</li>] 输出每个元素： Foo 输出每个元素： Bar 输出每个元素： Jay 输出每个u1: [<li class="element">Foo</li>, <li class="element">Bar</li>] 输出每个元素： Foo 输出每个元素： Bar

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持易盾网络。

标签：面向新手解析 Python Beautiful