正文
python 之 BeautifulSoup标签查找与信息提取
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
一、 查找a标签
（1）查找所有a标签
>>> for x in soup.find_all('a'):
print(x)<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>
（2）查找所有a标签，且属性值href中需要保护关键字“”
>>> for x in soup.find_all('a',href = re.compile('lacie')):
print(x)<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>
（3）查找所有a标签，且字符串内容包含关键字“Elsie”
>>> for x in soup.find_all('a',string = re.compile('Elsie')):
print(x)<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>
（4）查找body标签的所有子标签，并循环打印输出
>>> for x in soup.find('body').children:
if isinstance(x,bs4.element.Tag): #使用isinstance过滤掉空行内容
print(x)<p class="title"><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="http://example.com/elsie" id="link1">Elsie</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.</p>
二、信息提取（链接提取）
（1）解析信息标签结构，查找所有a标签，并提取每个a标签中href属性的值（即链接），然后存在空列表；
>>> linklist = []
>>> for x in soup.find_all('a'):
link = x.get('href')
if link:
linklist.append(link)>>> for x in linklist: #验证：环打印出linklist列表中的链接
print(x)http://example.com/elsie
http://example.com/lacie
http://example.com/tillie
小结：链接提取 <---> 属性内容提取 <---> x.get('href')
（2）解析信息标签结构，查找所有a标签，且每个a标签中href中包含关键字“elsie”,然后存入空列表中；
>>> linklst = []
>>> for x in soup.find_all('a', href = re.compile('elsie')):
link = x.get('href')
if link:
linklst.append(link)>>> for x in linklst: #验证：循环打印出linklist列表中的链接
print(x)http://example.com/elsie
小结：在进行a标签查找时，加入了对属性值href内容的正则匹配内容 <---> href = re.compile('elsie')
（3）解析信息标签结构，查询所有a标签，然后输出所有标签中的“字符串”内容；
>>> for x in soup.find_all('a'):
string = x.get_text()
print(string)Elsie
Lacie
Tillie
