bs4解析器（bs4解析xml）

大家好，我是讯享网，很高兴认识大家。

 <div id="navCategory"></div>

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。

find_all过滤器可以被用在tag的name中，节点的属性等。

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

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：

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：

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。