标签：png war attr 应用 mamicode 可读性 云端 beautiful 关系
一、 信息标记的三种形式【标记+信息】
1、 XML 标签，<> </>
扩展性好，但比较繁琐，标签占据大部分内容
用于Internet上的信息交互和传递
2、 JSON 有类型键值对 key : value，JavaScript面向对象
key，value都需要家双引号：”name”:”呱呱”
适合程序处理，比XML简洁
应用于移动应用云端和节点的信息通信
缺点：无法添加注释
3、 YAML 无类型键值对 key : value，用索引表达所属关系，不需要双引号
文本信息比例高，可读性强
各类系统的配置文件，有注释，易读，应用广泛
二、 信息提取
1、 完整解析信息标记形式，再提取关键信息
需要标记解释器
优点：信息解析准确
缺点：提取过程繁琐，速度慢
2、 直接搜索
对信息文本查找函数
优点：提取过程简洁，速度快
缺点：提取结果准确性于信息内容直接相关
3、 融合方法※
标记解析器+文本查找函数
##查找网页中所有的链接
import requests
from bs4 import BeautifulSoup
r = requests.get(‘http://python123.io/ws/demo.html‘)
demo = r.text
soup = BeautifulSoup(demo,‘html.parser‘)
for link in soup.find_all(‘a‘):
print(link.get(‘href‘))
三、 基于bs4库的HTML 内容查找方法【文本检索】
1、<>.find_all(name , attrs , recursive , string , **kwargs)
返回列表类型，存储查找的结果
（1） name：需要检索的标签名字
import requests
from bs4 import BeautifulSoup
r = requests.get(‘http://python123.io/ws/demo.html‘)
demo = r.text
soup = BeautifulSoup(demo,‘html.parser‘)
##查找所有的 <a> </a> 标签
print(soup.find_all(‘a‘))
##查找所有的 <a> 和 <b> 标签
print(soup.find_all([‘a‘,‘b‘]))
##查找所有的标签
print(soup.find_all(True))
for tag in soup.find_all(True):
print(tag.name)
#查找出所有以 b 开头的标签
import re ##正则表达式库
for tag in soup.find_all(re.compile(‘b‘)):
print(tag.name)
（2） attrs：对标签属性值的检索
print(soup.find_all(‘p‘,‘course‘)) ##返回列表类型，返回带有 ‘course’ 值的 <p> 标签，模糊查找 print(soup.find_all(id = ‘link1‘)) ##返回列表类型，查找id属性为‘link1’的标签，精确查找 import re print(soup.find_all(id = re.compile(‘link‘))) ##查找id属性开头为‘link’的标签，模糊查找
（3） recursive：是否对所有子孙节点进行搜索，默认True，若设为False只搜索子节点
（4） string：<> </> 对标签中的字符串域进行检索
#搜索包含 python 的字符串 import re print(soup.find_all(string = re.compile(‘python‘)))
2、简写形式 soup.find_all( ) = soup( )
print(soup(‘a‘)) print(soup.find_all(‘a‘))
3、扩展方法
标签：png war attr 应用 mamicode 可读性 云端 beautiful 关系
原文地址：https://www.cnblogs.com/motoharu/p/12305858.html
