有许多Beautifulsoup方法，使我们可以搜索解析树。最常用和最常用的两个方法是find()和find_all()。

在讨论find()和find_all()之前，让我们看一些可以传入这些方法的不同过滤器的示例。

过滤器种类

我们可以将不同的过滤器传递给这些方法，对这些过滤器的理解至关重要，因为这些过滤器会在整个搜索API中一次又一次地使用。我们可以根据标签名称，属性，字符串文本或混合使用这些过滤器。

字符串

字符串是最简单的过滤器类型之一。将字符串传递给search方法和Beautifulsoup将与该精确字符串进行匹配。

下面的代码将找到文档中的所有

标记-

>>> markup = BeautifulSoup('
Top Three
Programming Languages are:
Java, Python, Cplusplus
')
>>> markup.find_all('p')
[
Top Three
, 
, 
Java, Python, Cplusplus
]

正则表达式

您可以找到以给定字符串/ tag开头的所有标签。在此之前，我们需要导入re模块以使用正则表达式。

>>> import re
>>> markup = BeautifulSoup('
Top Three
Programming Languages are:
Java, Python, Cplusplus
')
>>>
>>> markup.find_all(re.compile('^p'))
[
Top Three
, 
, 
Programming Languages are:
, 
Java, Python, Cplusplus
]

清单

您可以通过提供列表来传递多个标签来查找。下面的代码找到所有和

标签-


>>> markup.find_all(['pre', 'b'])
[
Programming Languages are:
, Java, Python, Cplusplus]


真正
True将返回它可以找到的所有标签，但没有字符串本身-

>>> markup.find_all(True)
[
Top Three
Programming Languages are:
Java, Python, Cplusplus 
 , 
Top Three
 Programming Languages are:
Java, Python, Cplusplus
, 
Top Three
, 
, 
Programming Languages are:
, 
Java, Python, Cplusplus
, Java, Python, Cplusplus]


只返回上述汤中的标签-

>>> for tag in markup.find_all(True):
(tag.name)
'html'
'body'
'p'
'p'
'pre'
'p'
'b'


找到所有()
您可以使用find_all从页面响应中提取所有出现的特定标签，如下所示：
句法

find_all(name, attrs, recursive, string, limit, **kwargs)


让我们从IMDB-“最受好评的电影”中提取一些有趣的数据。

>>> url="https://www.imdb.com/chart/top/?ref_=nv_mv_250"
>>> content = requests.get(url)
>>> soup = BeautifulSoup(content.text, 'html.parser')
#Extract title Page
>>> print(soup.find('title'))


#Extracting main heading
>>> for heading in soup.find_all('h1'):
   print(heading.text)
Top Rated Movies

#Extracting sub-heading
>>> for heading in soup.find_all('h3'):
   print(heading.text)
   
IMDb Charts
You Have Seen
   IMDb Charts
   Top India Charts
Top Rated Movies by Genre
Recently Viewed


从上面可以看到，find_all将为我们提供所有与我们定义的搜索条件相匹配的项目。我们可以与find_all()一起使用的所有过滤器都可以与find()和其他搜索方法(例如find_parents()或find_siblings())一起使用。
找()
上面我们已经看到，find_all()用于扫描整个文档以查找所有内容，但是某些情况下，要求仅查找一个结果。如果您知道文档仅包含一个标记，则浪费时间搜索整个文档。一种方法是每次以limit = 1调用find_all()，否则我们可以使用find()方法执行相同的操作-
句法

find(name, attrs, recursive, string, **kwargs)


所以下面两种不同的方法给出相同的输出-

>>> soup.find_all('title',limit=1)
[]
>>>
>>> soup.find('title')



在上面的输出中，我们可以看到find_all()方法返回包含单个项目的列表，而find()方法返回单个结果。
find()和find_all()方法之间的另一个区别是-

>>> soup.find_all('h2')
[]
>>>
>>> soup.find('h2')


如果汤.find_all()方法找不到任何内容，则返回空列表，而find()返回无。
find_parents()和find_parent()
与遍历树，查找标记的后代的find_all()和find()方法不同，find_parents()和find_parents Methods()的作用相反，它们向上遍历树并查看标记(或字符串的)父对象。
句法

find_parents(name, attrs, string, limit, **kwargs)
find_parent(name, attrs, string, **kwargs)

>>> a_string = soup.find(string="The Godfather")
>>> a_string
'The Godfather'
>>> a_string.find_parents('a')
[The Godfather]
>>> a_string.find_parent('a')
The Godfather
>>> a_string.find_parent('tr')








 
 

2.
The Godfather
(1972)


9.1





 
1
2
3
4
5
6
7
8
9
10
0
 



NOT YET RELEASED
 

Seen








>>>
>>> a_string.find_parents('td')
[
2.
The Godfather
(1972)
]


还有八种类似的方法-

find_next_siblings(name, attrs, string, limit, **kwargs)
find_next_sibling(name, attrs, string, **kwargs)

find_previous_siblings(name, attrs, string, limit, **kwargs)
find_previous_sibling(name, attrs, string, **kwargs)

find_all_next(name, attrs, string, limit, **kwargs)
find_next(name, attrs, string, **kwargs)

find_all_previous(name, attrs, string, limit, **kwargs)
find_previous(name, attrs, string, **kwargs)


哪里，
find_next_siblings()和find_next_sibling()方法将遍历当前元素之后的所有元素同级。
find_previous_siblings()和find_previous_sibling()方法将遍历当前元素之前的所有同级对象。
find_all_next()和find_next()方法将遍历当前元素之后的所有标记和字符串。
find_all_previous和find_previous()方法将遍历当前元素之前的所有标记和字符串。
CSS选择器
BeautifulSoup库支持最常用的CSS选择器。您可以在select()方法的帮助下使用CSS选择器搜索元素。
这是一些例子-

>>> soup.select('title')
[, ]
>>>
>>> soup.select("p:nth-of-type(1)")
[
The Top Rated Movie list only includes theatrical features.
, 
 class="imdb-footer__copyright _2-iNNCFskmr4l2OFN2DRsf">© 1990-2019 by IMDb.com, Inc.
]
>>> len(soup.select("p:nth-of-type(1)"))
2
>>> len(soup.select("a"))
609
>>> len(soup.select("p"))
2

>>> soup.select("html head title")
[, ]
>>> soup.select("head > title")
[]

#print HTML code of the tenth li elemnet
>>> soup.select("li:nth-of-type(10)")
[

Film-Noir
 
]