Python爬虫之Beautiful Soup的用法

系统管理员 2022-03-07 15:08 275阅读 0赞

### 1. Beautiful Soup的简介 ###

简单来说，Beautiful Soup是python的一个库，最主要的功能是从网页抓取数据。官方解释如下：

> Beautiful Soup提供一些简单的、python式的函数用来处理导航、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，Beautiful Soup就不能自动识别编码方式了。然后，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。

### 2. Beautiful Soup 安装 ###

Beautiful Soup 3 目前已经停止开发，推荐在现在的项目中使用Beautiful Soup 4，不过它已经被移植到BS4了，也就是说导入时我们需要 import bs4 。所以这里我们用的版本是 Beautiful Soup 4.3.2 (简称BS4)，另外据说 BS4 对 Python3 的支持不够好，不过我用的是 Python2.7.7，如果有小伙伴用的是 Python3 版本，可以考虑下载 BS3 版本。  
**可以利用 pip 或者 easy\_install 来安装，以下两种方法均可**

easy_install beautifulsoup4

pip install beautifulsoup4

###### 下面是Beautiful Soup官方安装包，两个版本 ######

### [Beautiful Soup 3.2.1][] ###

### [Beautiful Soup 4.3.2][] ###

下载完成之后解压

运行下面的命令即可完成安装

sudo python setup.py install

然后需要安装 lxml

easy_install lxml

pip install lxml

另一个可供选择的解析器是纯Python实现的 html5lib , html5lib的解析方式与浏览器相同,可以选择下列方法来安装html5lib:

easy_install html5lib

pip install html5lib

Beautiful Soup支持Python标准库中的HTML解析器,还支持一些第三方的解析器，如果我们不安装它，则 Python 会使用 Python默认的解析器，lxml 解析器更加强大，速度更快，推荐安装。

<table> 
 <thead> 
 <tr> 
 <th>解析器</th> 
 <th>使用方法</th> 
 <th>优势</th> 
 <th>劣势</th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td>Python标准库</td> 
 <td>BeautifulSoup(markup, “html.parser”)</td> 
 <td>1.Python的内置标准库 2.执行速度适中 3.文档容错能力强</td> 
 <td>Python 2.7.3 or 3.2.2)前 的版本中文档容错能力差</td> 
 </tr> 
 <tr> 
 <td>lxml HTML 解析器</td> 
 <td>BeautifulSoup(markup, “lxml”)</td> 
 <td>1.速度快 2.文档容错能力强</td> 
 <td>需要安装C语言库</td> 
 </tr> 
 <tr> 
 <td>lxml XML 解析器</td> 
 <td>BeautifulSoup(markup, [“lxml”, “xml”])BeautifulSoup(markup, “xml”)</td> 
 <td>1.速度快 2.唯一支持XML的解析器</td> 
 <td>需要安装C语言库</td> 
 </tr> 
 <tr> 
 <td>html5lib</td> 
 <td>BeautifulSoup(markup, “html5lib”)</td> 
 <td>1最好的容错性 2.以浏览器的方式解析文档 3.生成HTML5格式的文档</td> 
 <td>1.速度慢 2.不依赖外部扩展</td> 
 </tr> 
 </tbody> 
</table>

### 3. 开启Beautiful Soup 之旅 ###

在这里先分享官方文档链接，不过内容是有些多，也不够条理，在此本文章做一下整理方便大家参考。

## [官方文档][Link 1] ##

### 4. 创建 Beautiful Soup 对象 ###

首先必须要导入 bs4 库

from bs4 import BeautifulSoup

我们创建一个字符串，后面的例子我们便会用它来演示

html = """
 <html><head><title>The Dormouse's story</title></head>
 <body>
 The Dormouse's story
 Once upon a time there were three little sisters; and their names were
 <a href="http://example.com/elsie" class="sister" id="link1"></a>,
 <a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
 <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
 and they lived at the bottom of a well.
 ...
 """

创建 beautifulsoup 对象

soup = BeautifulSoup(html)

另外，我们还可以用本地 HTML 文件来创建对象，例如

soup = BeautifulSoup(open('index.html'))

上面这句代码便是将本地 index.html 文件打开，用它来创建 soup 对象

下面我们来打印一下 soup 对象的内容，格式化输出

print soup.prettify()

### 5. 四大对象种类 ###

Beautiful Soup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:

1.  Tag
2.  NavigableString
3.  BeautifulSoup
4.  Comment  
    下面我们进行一一介绍

##### （1）Tag #####

Tag 是什么？通俗点讲就是 HTML 中的一个个标签，例如

<title>The Dormouse's story</title>

<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>

上面的 title a 等等 HTML 标签加上里面包括的内容就是 Tag，下面我们来感受一下怎样用 Beautiful Soup 来方便地获取 Tags

下面每一段代码中注释部分即为运行结果

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" href="http://example.com/elsie" id="link1"></a>

print soup.p
 #The Dormouse's story

我们可以利用 soup加标签名轻松地获取这些标签的内容，是不是感觉比正则表达式方便多了？不过有一点是，它查找的是在所有内容中的第一个符合要求的标签，如果要查询所有的标签，我们在后面进行介绍。

我们可以验证一下这些对象的类型

print type(soup.a)
 #<class 'bs4.element.Tag'>

**对于 Tag，它有两个重要的属性，是 name 和 attrs，下面我们分别来感受一下**

###### name ######

print soup.name
    print soup.head.name
    #[document]
    #head

**soup 对象本身比较特殊，它的 name 即为 \[document\]，对于其他内部标签，输出的值便为标签本身的名称。**

###### attrs ######

print soup.p.attrs
    #{'class': ['title'], 'name': 'dromouse'}

在这里，我们把 p 标签的所有属性打印输出了出来，得到的类型是一个字典。  
如果我们想要单独获取某个属性，可以这样，例如我们获取它的 class 叫什么

print soup.p['class']
    #['title']

我们可以对这些属性和内容等等进行修改，例如

soup.p['class']="newClass"
 print soup.p
 #The Dormouse's story

还可以对这个属性进行删除，例如

del soup.p['class']
 print soup.p
 #The Dormouse's story

不过，对于修改删除的操作，不是我们的主要用途，在此不做详细介绍了，如果有需要，请查看前面提供的官方文档

##### （2）NavigableString #####

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

print type(soup.p.string)
 #<class 'bs4.element.NavigableString'>

##### （3）BeautifulSoup #####

BeautifulSoup 对象表示的是一个文档的全部内容.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，以及属性来感受一下

print type(soup.name)
 #<type 'unicode'>
 print soup.name 
 # [document]
 print soup.attrs 
 #{} 空字典

##### （4）Comment #####

Comment 对象是一个特殊类型的 NavigableString 对象，其实输出的内容仍然不包括注释符号，但是如果不好好处理它，可能会对我们的文本处理造成意想不到的麻烦。

我们找一个带注释的标签

print soup.a
    print soup.a.string
    print type(soup.a.string)

运行结果如下

<a class="sister" href="http://example.com/elsie" id="link1"></a>
 Elsie 
 <class 'bs4.element.Comment'>

a 标签里的内容实际上是注释，但是如果我们利用 .string 来输出它的内容，我们发现它已经把注释符号去掉了，所以这可能会给我们带来不必要的麻烦。

另外我们打印输出下它的类型，发现它是一个 Comment 类型，所以，我们在使用前最好做一下判断，判断代码如下

if type(soup.a.string)==bs4.element.Comment:
        print soup.a.string

上面的代码中，我们首先判断了它的类型，是否为 Comment 类型，然后再进行其他操作，如打印输出。

##### 6. 遍历文档树 #####

##### （1）直接子节点 #####

###### 要点：.contents .children 属性 ######

**.contents**  
tag 的 .content 属性可以将tag的子节点以列表的方式输出

print soup.head.contents 
 #[<title>The Dormouse's story</title>]

输出方式为列表，我们可以用列表索引来获取它的某一个元素

print soup.head.contents[0]
 #<title>The Dormouse's story</title>

**.children**  
它返回的不是一个 list，不过我们可以通过遍历获取所有子节点。  
我们打印输出 .children 看一下，可以发现它是一个 list 生成器对象

print soup.head.children
 #<listiterator object at 0x7f71457f5710>

我们怎样获得里面的内容呢？很简单，遍历一下就好了，代码及结果如下

for child in  soup.body.children:
        print child

The Dormouse's story
 Once upon a time there were three little sisters; and their names were
 <a class="sister" href="http://example.com/elsie" id="link1"></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.
 ...

##### （2）所有子孙节点 #####

###### 知识点：.descendants 属性 ######

**.descendants**  
.contents 和 .children 属性仅包含tag的直接子节点，.descendants 属性可以对所有tag的子孙节点进行递归循环，和 children类似，我们也需要遍历获取其中的内容。

for child in soup.descendants:
        print child

可以发现，所有的节点都被打印出来了，先生最外层的 HTML标签，其次从 head 标签一个个剥离，以此类推。

##### （3）节点内容 #####

**知识点：.string 属性**  
如果tag只有一个 NavigableString 类型子节点,那么这个tag可以使用 .string 得到子节点。如果一个tag仅有一个子节点,那么这个tag也可以使用 .string 方法,输出结果与当前唯一子节点的 .string 结果相同。

通俗点说就是：如果一个标签里面没有标签了，那么 .string 就会返回标签里面的内容。如果标签里面只有唯一的一个标签了，那么 .string 也会返回最里面的内容。例如

print soup.head.string
    #The Dormouse's story
    print soup.title.string
    #The Dormouse's story

如果tag包含了多个子节点,tag就无法确定，string 方法应该调用哪个子节点的内容, .string 的输出结果是 None

print soup.html.string
    # None

##### （4）多个内容 #####

**知识点： .strings .stripped\_strings 属性**  
**.strings**  
获取多个内容，不过需要遍历获取，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**

输出的字符串中可能包含了很多空格或空行,使用 .stripped\_strings 可以去除多余空白内容

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）父节点 #####

**知识点： .parent 属性**

p = soup.p
    print p.parent.name
    #body

content = soup.head.title.string
    print content.parent.name
    #title

##### （6）全部父节点 #####

**知识点：.parents 属性**  
通过元素的 .parents 属性可以递归得到元素的所有父辈节点，例如

content = soup.head.title.string
    for parent in  content.parents:
        print parent.name

title
    head
    html
    [document]

##### （7）兄弟节点 #####

**知识点：.next\_sibling .previous\_sibling 属性**  
兄弟节点可以理解为和本节点处在统一级的节点，.next\_sibling 属性获取了该节点的下一个兄弟节点，.previous\_sibling 则与之相反，如果节点不存在，则返回 None

注意：实际文档中的tag的 .next\_sibling 和 .previous\_sibling 属性通常是字符串或空白，因为空白或者换行也可以被视作一个节点，所以得到的结果可能是空白或者换行

print soup.p.next_sibling
 # 实际该处为空白
 print soup.p.prev_sibling
 #None 没有前一个兄弟节点，返回 None
 print soup.p.next_sibling.next_sibling
 #Once upon a time there were three little sisters; and their names were
 #<a class="sister" href="http://example.com/elsie" id="link1"></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.
 #下一个节点的下一个兄弟节点是我们可以看到的节点

##### （8）全部兄弟节点 #####

**知识点：.next\_siblings .previous\_siblings 属性**

print(repr(sibling))
 # u',\n'
 # <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>
 # u' and\n'
 # <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>
 # u'; and they lived at the bottom of a well.'
 # None

##### （9）前后节点 #####

**知识点：.next\_element .previous\_element 属性**

与 .next\_sibling .previous\_sibling 不同，它并不是针对于兄弟节点，而是在所有节点，不分层次

比如 head 节点为

<head><title>The Dormouse's story</title></head>

那么它的下一个节点便是 title，它是不分层次关系的

print soup.head.next_element
 #<title>The Dormouse's story</title>

##### （10）所有前后节点 #####

**知识点：.next\_elements .previous\_elements 属性**

通过 .next\_elements 和 .previous\_elements 的迭代器就可以向前或向后访问文档的解析内容,就好像文档正在被解析一样

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'
 # ...
 # u'...'
 # u'\n'
 # None

以上是遍历文档树的基本用法。

#### 7.搜索文档树 ####

##### （1）find\_all( name , attrs , recursive , text , \*\*kwargs ) #####

find\_all() 方法搜索当前tag的所有tag子节点,并判断是否符合过滤器的条件

###### 1）name 参数 ######

name 参数可以查找所有名字为 name 的tag,字符串对象会被自动忽略掉

###### A.传字符串 ######

最简单的过滤器是字符串.在搜索方法中传入一个字符串参数,Beautiful Soup会查找与字符串完整匹配的内容,下面的例子用于查找文档中所有的**标签**

soup.find_all('b')
 # [The Dormouse's story]

print soup.find_all('a')
 #[<a class="sister" href="http://example.com/elsie" id="link1"></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>]

###### B.传正则表达式 ######

如果传入正则表达式作为参数,Beautiful Soup会通过正则表达式的 match() 来匹配内容.下面例子中找出所有以b开头的标签,这表示和**标签都应该被找到**

import re
    for tag in soup.find_all(re.compile("^b")):
        print(tag.name)
    # body
    # b

###### C.传列表 ######

如果传入列表参数,Beautiful Soup会将与列表中任一元素匹配的内容返回.下面代码找到文档中所有 < a>标签和标签

soup.find_all(["a", "b"])
 # [The Dormouse's story,
 # <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>]

###### D.传 True ######

True 可以匹配任何值,下面代码查找到所有的tag,但是不会返回字符串节点

for tag in soup.find_all(True):
        print(tag.name)
    # html
    # head
    # title
    # body
    # p
    # b
    # p
    # a
    # a

###### E.传方法 ######

如果没有合适过滤器,那么还可以定义一个方法,方法只接受一个元素参数 \[4\] ,如果这个方法返回 True 表示当前元素匹配并且被找到,如果不是则反回 False

下面方法校验了当前元素,如果包含 class 属性却不包含 id 属性,那么将返回 True:

def has_class_but_no_id(tag):
        return tag.has_attr('class') and not tag.has_attr('id')

将这个方法作为参数传入 find\_all() 方法,将得到所有

标签:

soup.find_all(has_class_but_no_id)
 # [The Dormouse's story,
 # Once upon a time there were...,
 # ...]

###### 2）keyword 参数 ######

> 注意：如果一个指定名字的参数不是搜索内置的参数名,搜索时会把该参数当作指定名字tag的属性来搜索,如果包含一个名字为 id 的参数,Beautiful Soup会搜索每个tag的”id”属性

soup.find_all(id='link2')
 # [<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]

如果传入 href 参数,Beautiful Soup会搜索每个tag的”href”属性

soup.find_all(href=re.compile("elsie"))
 # [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]

使用多个指定名字的参数可以同时过滤tag的多个属性

soup.find_all(href=re.compile("elsie"), id='link1')
 # [<a class="sister" href="http://example.com/elsie" id="link1">three</a>]

在这里我们想用 class 过滤，不过 class 是 python 的关键词，这怎么办？加个下划线就可以

soup.find_all("a", class_="sister")
 # [<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>]

有些tag属性在搜索不能使用,比如HTML5中的 data-\* 属性

data_soup = BeautifulSoup('<div data-foo="value">foo!</div>')
 data_soup.find_all(data-foo="value")
 # SyntaxError: keyword can't be an expression

但是可以通过 find\_all() 方法的 attrs 参数定义一个字典参数来搜索包含特殊属性的tag

data_soup.find_all(attrs={"data-foo": "value"})
 # [<div data-foo="value">foo!</div>]

###### 3）text 参数 ######

通过 text 参数可以搜搜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, 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 参数 ######

find\_all() 方法返回全部的搜索结构,如果文档树很大那么搜索会很慢.如果我们不需要全部结果,可以使用 limit 参数限制返回结果的数量.效果与SQL中的limit关键字类似,当搜索到的结果数量达到 limit 的限制时,就停止搜索返回结果.

文档树中有3个tag符合搜索条件,但结果只返回了2个,因为我们限制了返回数量

soup.find_all("a", limit=2)
 # [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,
 # <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]

###### 5）recursive 参数 ######

调用tag的 find\_all() 方法时,Beautiful Soup会检索当前tag的所有子孙节点,如果只想搜索tag的直接子节点,可以使用参数 recursive=False .

一段简单的文档:

<html>
 <head>
 <title>
 The Dormouse's story
 </title>
 </head>
 ...

是否使用 recursive 参数的搜索结果:

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 ) #####

它与 find\_all() 方法唯一的区别是 find\_all() 方法的返回结果是值包含一个元素的列表,而 find() 方法直接返回结果

##### （3）find\_parents() find\_parent() #####

find\_all() 和 find() 只搜索当前节点的所有子节点,孙子节点等. find\_parents() 和 find\_parent() 用来搜索当前节点的父辈节点,搜索方法与普通tag的搜索方法相同,搜索文档搜索文档包含的内容

##### （4）find\_next\_siblings() find\_next\_sibling() #####

这2个方法通过 .next\_siblings 属性对当 tag 的所有后面解析的兄弟 tag 节点进行迭代, find\_next\_siblings() 方法返回所有符合条件的后面的兄弟节点,find\_next\_sibling() 只返回符合条件的后面的第一个tag节点

##### （5）find\_previous\_siblings() find\_previous\_sibling() #####

这2个方法通过 .previous\_siblings 属性对当前 tag 的前面解析的兄弟 tag 节点进行迭代, find\_previous\_siblings() 方法返回所有符合条件的前面的兄弟节点, find\_previous\_sibling() 方法返回第一个符合条件的前面的兄弟节点

##### （6）find\_all\_next() find\_next() #####

这2个方法通过 .next\_elements 属性对当前 tag 的之后的 tag 和字符串进行迭代, find\_all\_next() 方法返回所有符合条件的节点, find\_next() 方法返回第一个符合条件的节点

##### （7）find\_all\_previous() 和 find\_previous() #####

这2个方法通过 .previous\_elements 属性对当前节点前面的 tag 和字符串进行迭代, find\_all\_previous() 方法返回所有符合条件的节点, find\_previous()方法返回第一个符合条件的节点

> 注：以上（2）（3）（4）（5）（6）（7）方法参数用法与 find\_all() 完全相同，原理均类似，在此不再赘述。

##### 8.CSS选择器 #####

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()，返回类型是 list

###### （1）通过标签名查找 ######

print soup.select('title') 
 #[<title>The Dormouse's story</title>]

print soup.select('a')
 #[<a class="sister" href="http://example.com/elsie" id="link1"></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>]

print soup.select('b')
 #[The Dormouse's story]

###### （2）通过类名查找 ######

print soup.select('.sister')
 #[<a class="sister" href="http://example.com/elsie" id="link1"></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>]

###### （3）通过 id 名查找 ######

print soup.select('#link1')
 #[<a class="sister" href="http://example.com/elsie" id="link1"></a>]

###### （4）组合查找 ######

组合查找即和写 class 文件时，标签名与类名、id名进行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')
 #[<a class="sister" href="http://example.com/elsie" id="link1"></a>]

直接子标签查找

print soup.select("head > title")
 #[<title>The Dormouse's story</title>]

###### （5）属性查找 ######

查找时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。

print soup.select('a[class="sister"]')
 #[<a class="sister" href="http://example.com/elsie" id="link1"></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>]

print soup.select('a[href="http://example.com/elsie"]')
 #[<a class="sister" href="http://example.com/elsie" id="link1"></a>]

同样，属性仍然可以与上述查找方式组合，不在同一节点的空格隔开，同一节点的不加空格

print soup.select('p a[href="http://example.com/elsie"]')
 #[<a class="sister" href="http://example.com/elsie" id="link1"></a>]

以上的 select 方法返回的结果都是列表形式，可以遍历形式输出，然后用 get\_text() 方法来获取它的内容。

soup = BeautifulSoup(html, 'lxml')
    print type(soup.select('title'))
    print soup.select('title')[0].get_text()
    
    for title in soup.select('title'):
        print title.get_text()

好，这就是另一种与 find\_all 方法有异曲同工之妙的查找方法，是不是感觉很方便？

#### 总结 ####

本篇内容比较多，把 Beautiful Soup 的方法进行了大部分整理和总结，不过这还不算完全，仍然有 Beautiful Soup 的修改删除功能，不过这些功能用得比较少，只整理了查找提取的方法，希望对大家有帮助！小伙伴们加油！

熟练掌握了 Beautiful Soup，一定会给你带来太多方便，加油吧！

转载出处：[静觅][Link 2] » [Python爬虫利器二之Beautiful Soup的用法][Python_Beautiful Soup]

[Beautiful Soup 3.2.1]: https://pypi.org/project/BeautifulSoup/3.2.1/
[Beautiful Soup 4.3.2]: https://pypi.org/project/beautifulsoup4/4.3.2/
[Link 1]: https://beautifulsoup.readthedocs.io/zh_CN/latest/
[Link 2]: https://cuiqingcai.com/
[Python_Beautiful Soup]: https://cuiqingcai.com/1319.html