Python爬虫常用模块，BeautifulSoup笔记

import urllib
import urllib.request as request
import re
from bs4 import *

#url = ‘http://zh.house.qq.com/‘
url = ‘http://www.0756fang.com/‘
html = request.urlopen(url).read().decode(‘utf-8‘)

soup = BeautifulSoup(html,"html.parser")
print(soup.head.meta[‘content‘])#输出所得标签的‘’属性值
print(soup.span.string);print(soup.span.text)#两个效果一样，返回标签的text

#name属性是‘’的标签的<ResultSet>类，是一个由<Tag>组成的list
print(soup.find_all(attrs={‘name‘:‘keywords‘}))
print(soup.find_all(class_=‘site_name‘))#class属性是‘’的<Tag>的list,即<ResultSet>
print(soup.find_all(class_=‘site_name‘)[0])#这是一个<Tag>

print(soup.find(attrs={‘name‘:‘keywords‘}))#name属性是‘’的标签的<Tag>类
print(soup.find(‘meta‘,attrs={‘name‘:‘keywords‘}))#name属性是‘’的meta标签的<Tag>类
print(soup.find(‘meta‘,attrs={‘name‘:‘keywords‘})[‘content‘])#<Tag类>可直接查属性值
#配合re模块使用，可以忽略大小写
#如下面例子，可以找到name属性为keywords，KEYWORDS,KeyWORds等的meta标签
print(soup.find(‘meta‘,attrs={‘name‘:re.compile(‘keywords‘,re.IGNORECASE)}))

‘‘‘-------------------------------------------------------------------------‘‘‘
‘‘‘----------------------------修改BeautifulSoup—----------------------------‘‘‘
‘‘‘-------------------------------------------------------------------------‘‘‘
soup.find(attrs={‘name‘:‘keywords‘}).extract#调用这个方法，可以删除这一个标签
soup.title.name=‘ppp‘#可以把Tag的名字<title>改成<ppp>

#可以使用append(),insert(),insert_after()或者insert_before()等方法来对新标签进行插入。
Tag1 = a.new_tag(‘li‘,class_=‘123‘)‘‘‘创造一个Tag‘‘‘
a.title.append（Tag1）#把Tag1添加为name是title的Tag的最后一个【子节点】，没有换行
      #.insert(0,Tag1)----这里用insert的话，第一个参数可以控制所添加【子节点】的先后位置
      #.insert_after(Tag1)---和insert_before一样，添加为Title的【兄弟节点】

soup.head.meta[‘content‘]=‘随便输入，可以添加（或更改）这个Tag的content属性（值）‘
del soup.head.meta[‘content‘]#这个语法可以直接删除这个Tag的content属性

soup.li.clear#调用方法会清除所有li标签的text
soup.title.string=‘用这个方法可以修改title标签的内容‘#慎用，只用于最子孙最小的节点，用于父节点会清空子节点
soup.div.append(‘放在div子节点位置的 最后append最后，是标签内容‘)
soup.div.insert(0,‘放在div子节点位置的 最前insert【0】最前，是标签内容‘‘)

　　这是我以前的BS4笔记，交流请联系 QQ 328123440