Python beautifulsoup4包常用函数参考
| 函数名 | 必选参数 | 作用 |
|---|---|---|
BeautifulSoup(markup, features) | markup: HTML/XML字符串, features: 解析器 | 创建BeautifulSoup对象 |
soup.find(name[, attrs, recursive, string, **kwargs]) | name: 标签名 | 查找第一个匹配的标签 |
soup.find_all(name[, attrs, recursive, string, limit, **kwargs]) | name: 标签名 | 查找所有匹配的标签 |
soup.select(selector) | selector: CSS选择器 | 使用CSS选择器查找元素 |
soup.select_one(selector) | selector: CSS选择器 | 使用CSS选择器查找第一个元素 |
soup.get_text([separator, strip, types]) | 无 | 获取所有文本内容 |
tag.name | 无 | 获取标签名 |
tag.attrs | 无 | 获取标签属性 |
tag['attribute'] | attribute: 属性名 | 获取标签的指定属性 |
tag.get(attribute[, default]) | attribute: 属性名 | 获取标签的指定属性（带默认值） |
tag.string | 无 | 获取标签的文本内容 |
tag.strings | 无 | 获取标签及其子标签的文本内容 |
tag.stripped_strings | 无 | 获取标签及其子标签的文本内容（去除空白） |
tag.contents | 无 | 获取标签的直接子节点 |
tag.children | 无 | 获取标签的直接子节点（迭代器） |
tag.descendants | 无 | 获取标签的所有后代节点（迭代器） |
tag.parent | 无 | 获取标签的父节点 |
tag.parents | 无 | 获取标签的所有父节点（迭代器） |
tag.previous_sibling | 无 | 获取标签的前一个兄弟节点 |
tag.next_sibling | 无 | 获取标签的后一个兄弟节点 |
tag.extract() | 无 | 从文档中移除标签 |
tag.decompose() | 无 | 从文档中移除标签及其内容 |
tag.replace_with(replacement) | replacement: 替换内容 | 替换标签 |
tag.wrap(wrapper) | wrapper: 包装标签 | 用指定标签包装当前标签 |
tag.unwrap() | 无 | 移除标签，保留其内容 |
常用参数说明
核心参数
| 参数名 | 类型 | 作用 |
|---|---|---|
markup | str | HTML或XML字符串 |
features | str | 解析器，如'html.parser', 'lxml', 'html5lib' |
name | str | 标签名，如'div', 'a'等 |
attrs | dict | 标签属性，如 |
string | str | 标签文本内容 |
limit | int | 限制返回结果数量 |
selector | str | CSS选择器，如'div.class' |
attribute | str | 标签属性名 |
default | any | 属性不存在时的默认值 |
replacement | Tag/str | 替换标签的内容 |
wrapper | Tag | 用于包装的标签 |
解析器选择
| 解析器 | 优势 | 劣势 |
|---|---|---|
html.parser | 内置，无需额外安装 | 速度较慢，容错性一般 |
lxml | 速度快，容错性好 | 需要额外安装 |
html5lib | 最接近浏览器的解析方式 | 速度慢 |