Beautiful Soup - 版本历史

2022年10月9日 (日) 08:21 Eric

2022-10-09T08:21:03Z

←上一版本		2022年10月9日 (日) 08:21的版本
第352行：		第352行：
	\|-		\|-
	\|**kwargs		\|**kwargs
	\|~~可变关键字参数，按属性来搜索tag。当指定名字的参数不是方法内置的参数名时，会把该参数当作指定名字tag的属性来搜索。如传入参数~~<code>id='~~link2~~'</code>~~,Beautiful Soup会搜索每个tag的”id”属性。参数值可以是任一类型的过滤器。~~		\|可变关键字参数，按属性来搜索tag，参数值可以是任一类型的过滤器。 <br /><br />常见如：<br /><code>id</code>按id来搜索tag <br /><code>class_</code> 按CSS类名(class)来搜索tag <br /><code>href</code>按href来搜索tag <br /><br />当指定名字的参数不是方法内置的参数名时，会把该参数当作指定名字tag的属性来搜索。一些没有内置的属性名，可以使用attrs参数传入。
	\|		\|<code>bs.find(id="p1")</code>查看标签id='p1'。 <br /><code>bs.find(class_="content")</code>查看标签class属性包含content。
	\|-		\|-
	\|attrs		\|attrs
	\|~~按CSS类名~~(~~class~~)~~来搜索tag，也可以使用~~<code>~~class_~~</code>~~参数来搜素（在**kwargs接收）。参数值可以是任一类型的过滤器。~~		\|标签的属性值都可以使用attrs表示，可以传入字典。css属性需要完全匹配也可以使用attrs传入。
	\|		\|<code>bs.find(attrs={'name':'commodity'})</code> 查找标签属性name="commodity"的标签。<br /> <code>bs.find_all(attrs={"data-foo": "value"})</code>
	\|-		\|-
	\|string		\|string
第365行：		第365行：
	\|limit		\|limit
	\|限制返回结果的数量，效果与SQL中的limit关键字类似，在**kwargs接收。有时文档树很大搜索会很慢，当不需要全部结果可以使用limit参数限制。		\|限制返回结果的数量，效果与SQL中的limit关键字类似，在**kwargs接收。有时文档树很大搜索会很慢，当不需要全部结果可以使用limit参数限制。
	\|<code>~~soup~~.find_all("a", limit=2)</code>		\|<code>bs.find_all("a", limit=2)</code>
	\|-		\|-
	\|recursive		\|recursive
	\|限制只搜索直接子节点，而不是全部的子孙节点。		\|限制只搜索直接子节点，而不是全部的子孙节点。
	\|<code>tag.find_all("a", recursive=False)</code>		\|<code>tag.find_all("a", recursive=False)</code>
			\|-
	\|}		\|}

			{{了解更多
			\|[https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/#find-all Beautiful Soup 4文档：find_all()]
			}}
	===过滤器===		===过滤器===
	过滤器是筛选条件，用于搜索函数参数值，包括节点名称、节点属性、string中或他们的混合中。过滤器类型包括：字符串、[[正则表达式]]、列表、函数或布尔值。		过滤器是筛选条件，用于搜索函数参数值，包括节点名称、节点属性、string中或他们的混合中。过滤器类型包括：字符串、[[正则表达式]]、列表、函数或布尔值。
第439行：		第443行：

	==资源==		==资源==
			===官网===
			*Beautiful Soup：https://www.crummy.com/software/BeautifulSoup/
			*Beautiful Soup 4 中文文档：https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/

	===网站===		===网站===
	*[https://~~www~~.~~crummy~~.~~com~~/~~software~~/~~BeautifulSoup/ Beautiful Soup]~~		*[https://en.wikipedia.org/wiki/Beautiful_Soup_(HTML_parser) 维基百科：Beautiful Soup]
	*[https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/ Beautiful Soup ~~4 文档~~]

	~~==参考文献==~~
	*[https://en.wikipedia.org/wiki/Beautiful_Soup_(HTML_parser) 维基百科：Beautiful Soup]
	*[https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/ Beautiful Soup 4 文档]

	[[分类:数据分析]]		[[分类:数据分析]]

2021年7月2日 (五) 02:27 Eric

2021-07-02T02:27:50Z

←上一版本		2021年7月2日 (五) 02:27的版本
第447行：		第447行：
	*[https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/ Beautiful Soup 4 文档]		*[https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/ Beautiful Soup 4 文档]

	[[分类:~~数据获取~~]]		[[分类:数据分析]]

2021年1月21日 (四) 19:49 Eric

2021-01-21T19:49:40Z

←上一版本		2021年1月21日 (四) 19:49的版本
第90行：		第90行：
	! 类		! 类
	! 描述		! 描述
	! ~~对象生成~~		! 生成对象
	~~! 对象操作~~
	\|-		\|-
	\|BeautifulSoup		\|BeautifulSoup
	\|BeautifulSoup 对象表示的是一个文档的全部内容。基本上可以当作Tag对象，支持遍历文档树和搜索文档树中描述的大部分的方法。		\|BeautifulSoup 对象表示的是一个文档的全部内容。基本上可以当作Tag对象，支持遍历文档树和搜索文档树中描述的大部分的方法。
	\|如<code>BeautifulSoup(markup, "html.parser")</code>		\|如<code>BeautifulSoup(markup, "html.parser")</code>
	\|
	\|-		\|-
	\|Tag		\|Tag
	\|~~Tag对象与XML或HTML原生文档中的tag（标签）相同。~~		\|Tag对象与XML或HTML原生文档中的tag（标签）相同。Tag有很多方法和属性，常用如<code>tag.name</code>获取Tag的标签名称，<code>tag.class</code>获取Tag的class，<code>tag.text</code>获取Tag的所有显示文本（包括子Tag的文本）。
	\|通过BeautifulSoup对象遍历文档树或搜索文档树生成。如bs表示一个BeautifulSoup对象，<code>bs.p</code>		\|通过BeautifulSoup对象遍历文档树或搜索文档树生成。如bs表示一个BeautifulSoup对象，<code>bs.p</code>
	\|标签名称通过对象<code>.name</code>获取，如tag.name。<br \>标签的某个属性可以通过对象的<code>.属性名</code>或<code>[属性名]</code>操作获取，如tag['class']或tag.class <br \>标签的所有属性可以通过对象的<code>.attrs</code>获取，返回字典类型。
	\|-		\|-
	\|NavigableString		\|NavigableString
	\|tag中的字符串被封装在NavigableString类中。一个 NavigableString 字符串与Python中的Unicode字符串相同,并且还支持包含在遍历文档树和搜索文档树中的一些特性。		\|tag中的字符串被封装在NavigableString类中。一个 NavigableString 字符串与Python中的Unicode字符串相同,并且还支持包含在遍历文档树和搜索文档树中的一些特性。
	\|通过Tag对象string属性生成。<br \>如<code>tag.string</code>		\|通过Tag对象string属性生成。<br \>如<code>tag.string</code>
	\|
	\|-		\|-
	\|Comment		\|Comment
	\|文档的注释部分包装在Comment类中，Comment 对象是一个特殊类型的 NavigableString 对象。		\|文档的注释部分包装在Comment类中，Comment 对象是一个特殊类型的 NavigableString 对象。
	\|通过Tag对象string属性生成。<br \>如<code>tag.string</code>		\|通过Tag对象string属性生成。<br \>如<code>tag.string</code>
	\|
	\|-		\|-
	\|}		\|}
第126行：		第121行：

	===Tag===		===Tag===
	Tag对象与[[XML]]或[[HTML]]~~原生文档中的tag相同，Tag有很多方法和属性，最重要的两个属性为name和attributes。示例如下：~~		Tag对象与[[XML]]或[[HTML]]原生文档中的tag相同，Tag有很多方法和属性。标签名称通过对象<code>.name</code>获取，如tag.name。标签的某个属性可以通过对象的<code>.属性名</code>或<code>[属性名]</code>操作获取，如tag['class']或tag.class。标签的所有属性可以通过对象的<code>.attrs</code>获取，返回字典类型。示例如下：
	<syntaxhighlight lang="python">		<syntaxhighlight lang="python">
	bs = BeautifulSoup('<b class="boldest">Extremely bold</b>')		bs = BeautifulSoup('<b class="boldest">Extremely bold</b>')

2020年11月10日 (二) 05:27 Eric

2020-11-10T05:27:09Z

←上一版本		2020年11月10日 (二) 05:27的版本
第29行：		第29行：
	<syntaxhighlight lang="python">		<syntaxhighlight lang="python">
	import requests		import requests
			from bs4 import BeautifulSoup

	response = requests.get('https://www.baidu.com')		response = requests.get('https://www.baidu.com')

2020年11月10日 (二) 05:25 Eric

2020-11-10T05:25:16Z

←上一版本		2020年11月10日 (二) 05:25的版本
第430行：		第430行：

	</syntaxhighlight>		</syntaxhighlight>

			==修改文档树==
			Beautiful Soup的强项是文档树的搜索,但同时也可以方便的修改文档树

			==输出==
			格式化输出使用prettify() 方法，如<code>bs.prettify()</code>。该方法将Beautiful Soup的文档树格式化后以Unicode编码输出，每个XML/HTML标签都独占一行。如果不重视格式，也可以对象使用Python的str()方法，如<code>str(bs.title)</code>。

			如果只想得到tag中包含的文本内容，那么可以调用 get_text() 方法，这个方法获取到tag中包含的所有文版内容包括子孙tag中的内容，并将结果作为Unicode字符串返回。如<code>bs.get_text()</code>。

			==编码==
			任何HTML或XML文档都有自己的编码方式,比如[[ASCII]] 或 [[UTF-8]]，但是使用Beautiful Soup解析后，文档都被转换成了[[Unicode]]。

	==资源==		==资源==

2020年11月10日 (二) 04:41 Eric

2020-11-10T04:41:33Z

@@ 第342行： / 第342行： @@
 |}
 ===参数===
-个find开头的方法，其参数和用法类似，格式都为：
+个find开头的搜索方法，其参数和用法类似，格式都为：
   function( name , attrs , recursive , string , **kwargs )
@@ 第352行： / 第352行： @@
 |-
 |name
-|按tag的name搜素tag，字符串对象会被自动忽略掉。 name参数的值可以是任一类型的过滤器（字符串、正则表达式、列表、函数或布尔值True）。
+|按tag的名称搜素tag，字符串对象会被自动忽略掉。 name参数的值可以是任一类型的过滤器（字符串、正则表达式、列表、函数或布尔值）。
 |<code>bs.find_all("title")</code>查找所有名为title的tag
 |-
@@ 第377行： / 第377行： @@
 ===过滤器===
 ===CSS选择器===
 ==资源==

2020年11月10日 (二) 01:52 Eric

2020-11-10T01:52:38Z

@@ 第282行： / 第282行： @@
 ==搜索文档树==
 Beautiful Soup定义了很多搜索方法，find_all()几乎是Beautiful Soup中最常用的搜索方法。
 {| class="wikitable"  style="width: 100%;
@@ 第351行： / 第352行： @@
 |-
 |name
-|查找名称为name的tag，字符串对象会被自动忽略掉。 name参数的值可以是任一类型的过滤器（字符串,正则表达式,列表,方法或是True）
+|按tag的name搜素tag，字符串对象会被自动忽略掉。 name参数的值可以是任一类型的过滤器（字符串、正则表达式、列表、函数或布尔值True）。
 |<code>bs.find_all("title")</code>查找所有名为title的tag
 |}
 ===CSS选择器===

2020年11月9日 (一) 16:22 Eric

2020-11-09T16:22:47Z

@@ 第254行： / 第254行： @@
+|
+|
 |-
 |}
 ==搜索文档树==
 ==资源==

2020年11月9日 (一) 09:07 Eric

2020-11-09T09:07:49Z

@@ 第233行： / 第233行： @@
 |-
 |}
 ==搜索文档树==

2020年11月9日 (一) 07:47 Eric

2020-11-09T07:47:04Z

@@ 第178行： / 第178行： @@
 ==遍历文档树==
 ===子节点===
-一个Tag可能包含多个字符串或其它的Tag，这些都是这个Tag的子节点。Beautiful Soup提供了许多操作和遍历子节点的属性。操作文档树最简单的方法就是告诉它你想获取的tag的name。如下：
+一个Tag可能包含多个字符串或其它的Tag，这些都是这个Tag的子节点。Beautiful Soup提供了许多操作和遍历子节点的属性。操作文档树最简单的方法就是告诉它你想获取的tag的name。
-#获取 <head> 标签
+下表中bs为一个BeautifulSoup对象,tag为一个Tag对象：
-bs.head
+{| class="wikitable"  style="width: 100%;
-#获取 <body> 标签
+! 属性
-bs.body
+! 描述
 ===父节点===
 ==搜索文档树==