BeautifulSoup支持最常用的CSS选择器，在 Tag 或 BeautifulSoup 对象的 .select() 方法中传入字符串参数，即可使用CSS选择器的语法找到tag。
CSS选择器
CSS选择器是一种单独的文档搜索语法。
详情请见此链接
BS4中的CSS选择器
本篇所使用的html为：
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<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 href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
你可以这样搜索tag：
soup.select("title")
# [<title>The Dormouse's story</title>]
soup.select("p nth-of-type(3)")
# [<p class="story">...</p>]
另外，你也可以搜索在其他父标签内部的标签，即通过标签的所属关系寻找标签：
soup.select("body a") #搜索在body标签内部的a标签
# [<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>]
soup.select("html head title") #搜索在html->head标签内部的标签
# [<title>The Dormouse's story</title>]
可以直接寻找在其他标签内部的标签：
soup.select("head > title")
# [<title>The Dormouse's story</title>]
soup.select("p > a")
# [<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>]
soup.select("p > a:nth-of-type(2)")
# [<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]
soup.select("p > #link1")
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]
soup.select("body > a")
# []
通过tags标签获得元素的同胞兄弟：
soup.select("#link1 ~ .sister") #获得id为link1，class为sister的兄弟标签内容（所有的兄弟便签）
# [<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>,
# <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]
soup.select("#link1 + .sister") #获得id为link1，class为sister的兄弟标签内容（下一个兄弟便签）
# [<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]
通过CSS的类获得tags标签:
soup.select(".sister") #获得所有class为sister的标签
# [<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>]
soup.select("[class~=sister]") #效果同上一个
# [<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>]
通过id获得标签：
soup.select("#link1") #通过设置参数为id来获取该id对应的tag
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]
soup.select("a#link2") #这里区别于上一个单纯的使用id，又增添了tag属性，使查找更加具体
# [<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]
通过设置select函数的参数为列表，来获取tags。只要匹配列表中的任意一个则就可以捕获。
soup.select(“#link1,#link2”) #捕获id为link1或link2的标签
# [<a class=”sister” href=”http://example.com/elsie” id=”link1”>Elsie</a>,
# <a class=”sister” href=”http://example.com/lacie” id=”link2”>Lacie</a>]
按照标签是否存在某个属性来获取：
soup.select('a[href]') #获取a标签中具有href属性的标签
# [<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>]
通过某个标签的具体某个属性值来查找tags：
soup.select('a[href="http://example.com/elsie"]')
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]
soup.select('a[href^="http://example.com/"]')
# [<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>]
soup.select('a[href$="tillie"]')
# [<a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]
soup.select('a[href*=".com/el"]')
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]
这里需要解释一下：
soup.select(‘a[href^=”http://example.com/”]’)意思是查找href属性值是以”http://example.com/“值为开头的标签，可以查看博客介绍。
soup.select(‘a[href$=”tillie”]’)意思是查找href属性值是以tillie为结尾的标签。
soup.select(‘a[href*=”.com/el”]’)意思是查找href属性值中存在字符串”.com/el”的标签，所以只有href=”http://example.com/elsie”一个匹配。
查询符合查询条件的第一个标签：
soup.select_one(".sister") #只查询符合条件的第一个tag
# <a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>
网友评论