上一节我们介绍了正则表达式，它的内容其实还是蛮多的，如果一个正则匹配稍有差池，那可能程序就处在永久的循环之中，而且有的小伙伴们也对写正则表 达式的写法用得不熟练，没关系，我们还有一个更强大的工具，叫Beautiful Soup，有了它我们可以很方便地提取出HTML或XML标签中的内容，实在是方便，这一节就让我们一起来感受一下Beautiful Soup的强大吧。
## 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l[xml]、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。
废话不多说，我们来试一下吧~
## 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。
如果你用的是新版的Debain或Ubuntu,那么可以通过系统的软件包管理来安装，不过它不是最新版本，目前是4.2.1版本
~~~
sudo apt-get install Python-bs4
~~~
如果想安装最新的版本，请直接下载安装包来手动安装，也是十分方便的方法。在这里我安装的是 Beautiful Soup 4.3.2
[Beautiful Soup 3.2.1](https://pypi.python.org/pypi/BeautifulSoup/3.2.1)[Beautiful Soup 4.3.2](https://pypi.python.org/pypi/beautifulsoup4/4.3.2)
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
~~~
如下图所示，证明安装成功了
[](http://qiniu.cuiqingcai.com/wp-content/uploads/2015/03/2015-03-11-001541-%E7%9A%84%E5%B1%8F%E5%B9%95%E6%88%AA%E5%9B%BE.png)
然后需要安装 lxml
~~~
sudo apt-get install Python-lxml
~~~
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，l[xml] 解析器更加强大，速度更快，推荐安装。
## 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](http://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html)
## 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 = """
The Dormouse's story
The Dormouse's story
Once upon a time there were three little sisters; and their names were
,
Lacie and
Tillie;
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()
~~~
~~~
<html>
<head>
<title>
The Dormouse's story
</title>
</head>
<body>
<p class="title" name="dromouse">
<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>
<p class="story">
...
</p>
</body>
</html>
~~~
以上便是输出结果，格式化打印出了它的内容，这个[函数]经常用到，小伙伴们要记好咯。
## 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:
* Tag
* NavigableString
* BeautifulSoup
* 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
#The Dormouse's story
~~~
~~~
print soup.head
#The Dormouse's story
~~~
~~~
print soup.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)
#
~~~
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']
~~~
还可以这样，利用get方法，传入属性的名称，二者是等价的
~~~
print soup.p.get('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 soup.p.string
#The Dormouse's story
~~~
这样我们就轻松获取到了标签里面的内容，想想如果用正则表达式要多麻烦。它的类型是一个 NavigableString，翻译过来叫 可以[遍历]的字符串，不过我们最好还是称它英文名字吧。
~~~
print type(soup.p.string)
#
~~~
来检查一下它的类型
~~~
print type(soup.p.string)
#
~~~
### **（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)
#
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">!-- Elsie -->/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
#[The Dormouse's story]
~~~
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]
#The Dormouse's story
~~~
**.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
#
~~~
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
~~~
~~~
p class="title" name="dromouse">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>
p class="story">.../p>
~~~
### **（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
~~~
运行结果如下，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。
~~~
html>head>title>The Dormouse's story
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>
p class="story">.../p>
/body>/html>
head>title>The Dormouse's story
The Dormouse's story/title>
The Dormouse's story
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>
p class="story">.../p>
/body>
p class="title" name="dromouse">b>The Dormouse's story
The Dormouse's story/b>
The Dormouse's story
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>
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>
Elsie
,
a class="sister" href="http://example.com/lacie" id="link2">Lacie/a>
Lacie
and
a class="sister" href="http://example.com/tillie" id="link3">Tillie/a>
Tillie
;
and they lived at the bottom of a well.
p class="story">.../p>
...
~~~
### **（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
#,
#Lacie and
#Tillie;
#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**
通过 .next_siblings 和 .previous_siblings 属性可以对当前节点的兄弟节点迭代输出
~~~
for sibling in soup.a.next_siblings:
print(repr(sibling))
# u',\n'
# Lacie
# u' and\n'
# Tillie
# 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
#The Dormouse's story
~~~
### **（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
~~~
## 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')
#[, Lacie, Tillie]
~~~
**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标签和标签
~~~
soup.find_all(["a", "b"])
# [The Dormouse's story,
# Elsie,
# Lacie,
# Tillie]
~~~
**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]](http://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html#id85) ,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')
# [Lacie]
~~~
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"))
# [Elsie]
~~~
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')
# [three]
~~~
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")
# [Elsie,
# Lacie,
# Tillie]
~~~
有些tag属性在搜索不能使用,比如HTML5中的 data-* 属性
~~~
soup.find_all("a", class_="sister")
# [Elsie,
# Lacie,
# Tillie]
~~~
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"})
# [foo!]
~~~
**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)
# [Elsie,
# Lacie]
~~~
**5）recursive 参数**
调用tag的 find_all() 方法时,Beautiful Soup会检索当前[tag](http://cpro.baidu.com/cpro/ui/uijs.php?c=news&cf=1001&ch=0&di=8&fv=17&jk=d174a177de878ec7&k=tag&k0=tag&kdi0=0&luki=2&n=10&p=baidu&q=35091180_cpr&rb=0&rs=1&seller_id=1&sid=c78e87de77a174d1&ssp2=1&stid=0&t=tpclicked3_hc&tu=u1959022&u=http%3A%2F%2Fcuiqingcai%2Ecom%2F1319%2Ehtml&urlid=0)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")
# [The Dormouse's story]
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')
#[The Dormouse's story]
~~~
~~~
print soup.select('a')
#[, Lacie, Tillie]
~~~
~~~
print soup.select('b')
#[The Dormouse's story]
~~~
### （2）通过类名查找
~~~
print soup.select('.sister')
#[, Lacie, Tillie]
~~~
### （3）通过 id 名查找
~~~
print soup.select('#link1')
#[]
~~~
### （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')
#[]
~~~
直接子标签查找
~~~
print soup.select("head > title")
#[The Dormouse's story]
~~~
### （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("head > title")
#[The Dormouse's story]
~~~
~~~
print soup.select('a[href="http://example.com/elsie"]')
#[]
~~~
~~~
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"]')
#[]
~~~
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！
- Python爬虫入门
- （1）：综述
- （2）：爬虫基础了解
- （3）：Urllib库的基本使用
- （4）：Urllib库的高级用法
- （5）：URLError异常处理
- （6）：Cookie的使用
- （7）：正则表达式
- （8）：Beautiful Soup的用法
- Python爬虫进阶
- Python爬虫进阶一之爬虫框架概述
- Python爬虫进阶二之PySpider框架安装配置
- Python爬虫进阶三之Scrapy框架安装配置
- Python爬虫进阶四之PySpider的用法
- Python爬虫实战
- Python爬虫实战（1）：爬取糗事百科段子
- Python爬虫实战（2）：百度贴吧帖子
- Python爬虫实战（3）：计算大学本学期绩点
- Python爬虫实战（4）：模拟登录淘宝并获取所有订单
- Python爬虫实战（5）：抓取淘宝MM照片
- Python爬虫实战（6）：抓取爱问知识人问题并保存至数据库
- Python爬虫利器
- Python爬虫文章
- Python爬虫(一)--豆瓣电影抓站小结(成功抓取Top100电影)
- Python爬虫(二)--Coursera抓站小结
- Python爬虫(三)-Socket网络编程
- Python爬虫(四)--多线程
- Python爬虫(五)--多线程续(Queue)
- Python爬虫(六)--Scrapy框架学习
- Python爬虫(七)--Scrapy模拟登录
- Python笔记
- python 知乎爬虫
- Python 爬虫之——模拟登陆
- python的urllib2 模块解析
- 蜘蛛项目要用的数据库操作
- gzip 压缩格式的网站处理方法
- 通过浏览器的调试得出 headers转换成字典
- Python登录到weibo.com
- weibo v1.4.5 支持 RSA协议(模拟微博登录)
- 搭建Scrapy爬虫的开发环境
- 知乎精华回答的非专业大数据统计
- 基于PySpider的weibo.cn爬虫
- Python-实现批量抓取妹子图片
- Python库
- python数据库-mysql
- 图片处理库PIL
- Mac OS X安装 Scrapy、PIL、BeautifulSoup
- 正则表达式 re模块
- 邮件正则
- 正则匹配，但过滤某些字符串
- dict使用方法和快捷查找
- httplib2 库的使用