BeautifulSoup 中的 find，find_all
1.一般来说，为了找到BeautifulSoup对象内任何第一个标签入口，使用find()方法。
以上代码是一个生态金字塔的简单展示，为了找到第一生产者，第一消费者或第二消费者，可以使用Beautiful Soup。
找到第一生产者：
生产者在第一个<url>标签里，因为生产者在整个html文档中第一个<url>标签中出现，所以可以使用find()方法找到第一生产者，在ecologicalpyramid.py
中写入下面一段代码，使用ecologicalpyramid.html文件创建BeautifulSoup对象。
from bs4 import BeautifulSoup with open('ecologicalpyramid.html', 'r') as ecological_pyramid: # ecological 生态系统 pyramid 金字塔 soup = BeautifulSoup(ecological_pyramid) producer_entries = soup.find('ul') print(producer_entries.li.div.string)
输出结果：plants
2.find()
find函数：
find(name, attrs, recursive, text, **wargs) # recursive 递归的，循环的
这些参数相当于过滤器一样可以进行筛选处理。不同的参数过滤可以应用到以下情况：
- 查找标签，基于name参数
- 查找文本，基于text参数
- 基于正则表达式的查找
- 查找标签的属性，基于attrs参数
- 基于函数的查找
通过标签查找：
可以传递任何标签的名字来查找到它第一次出现的地方。找到后，find函数返回一个BeautifulSoup的标签对象。
from bs4 import BeautifulSoup with open('ecologicalpyramid.html', 'r') as ecological_pyramid: soup = BeautifulSoup(ecological_pyramid, 'html') producer_entries = soup.find('ul') print(type(producer_entries))
输出结果： <class 'bs4.element.Tag'>
通过文本查找：
直接字符串的话，查找的是标签。如果想要查找文本的话，则需要用到text参数。如下所示：
from bs4 import BeautifulSoup with open('ecologicalpyramid.html', 'r') as ecological_pyramid: soup = BeautifulSoup(ecological_pyramid, 'html') producer_string = soup.find(text = 'plants') print(plants_string)
输出：plants
通过正则表达式查找：
有以下html代码：
想找出第一个邮箱地址，但是第一个邮箱地址没有标签包含，所以通过其他方式很难找到。但是可以将邮箱地址进行正则表达式处理。
import re from bs4 import BeautifulSoup email_id_example = """<br/> <div>The below HTML has the information that has email ids.</div> abc@example.com <div>xyz@example.com</div> <span>foo@example.com</span> """ soup = BeautifulSoup(email_id_example) emailid_regexp = re.compile("\w+@\w+\.\w+") # regexp 表达式对象 first_email_id = soup.find(text=emailid_regexp) print(first_email_id)
输出结果：abc@example.com
通过标签属性进行查找：
上面html代码，其中第一个消费者在ul标签里面且id属性为priaryconsumer（priary consumer一次消费者，初级消费者）。
from bs4 import BeautifulSoup with open('ecologicalpyramid.html', 'r') as ecological_pyramid: soup = BeautifulSoup(eccological_pyramid, 'html') primary_consumer = soup.find(id='primaryconsumers') print(primary_consumer.li.div.string)
输出结果：deer
基于定制属性查找：
通过标签属性查找的方式适用大多数标签属性，包括id，style，title，但有 “-”，Class标签属性例外。
比如html5标签中的data-custom属性，如果我们这样
customattr = """<p data-custom='custom'>custo attribute example</p> """ customsoup = BeautifulSoup(customattr, 'lxml') customSoup.find(data-custom="custom")
那么则会报错。原因是在python中变量不能含有"-"这个字符，而我们传递的data-custom有这个字符。
解决办法是在attrs属性用字典进行传递参数。
using_attrs = customsoup.find(attrs={'data-custom':'custom'})
print(using_attrs)
基于css类的查找：
class是python的保留关键字，所以无法使用class这个关键字。
第一种方法：在attrs属性用字典进行传递参数
css_class = soup.find(attrs={'class':'primaryconsumers'})
print(css_class)
第二种方法：BeautifulSoup中的特别关键字参数class_。
css_class = soup.find(class_ = 'primaryconsumers')
基于定义的函数进行查找：
可以传递函数到find()来基于函数定义的条件查找。函数必须返回True或False。
def is_secondary_consumers(tag): return tag.has_attr('id') and tag.get('id') == 'secondaryconsumers'
secondary_consumer = soup.find(is_secondary_consumers) print(secondary_consumer.li.div.string)
输出：fox
将方法进行组合后进行查找：
可以用其中任何方法进行组合进行查找，比如同时基于标签名和id号。
3.find_all查找
find()查找第一个匹配结果出现的地方，find_all()找到所有匹配结果出现的地方。
查找所有3级消费者：
all_tertiaryconsumers = soup.find_all(class_ = 'tertiaryconsumerslist') # tertiary第三的
其中all_tertiaryconsumers的类型是列表。
所以对其列表进行迭代，循环输出三级消费者的名字。
for tertiaryconsumer in all_tertiaryconsumers: print(tertiaryconsumer.div.string)
输出结果：
lion
tiger
find_all()的参数：
find_all(name, attrs, recursive, text, limit, **kwargs)
limit参数可以限制得到的结果的数目。
参照前面的邮件地址例子，得到所有邮件地址：
email_ids = soup.find_all(text=emailid_regexp) print(email_ids)
输出结果：[u'abc@example.com',u'xyz@example.com',u'foo@example.com']
使用limit参数：
email_ids_limited = soup.find_all(text=emailid_regexp, limit = 2) print(email_ids_limited)
限制得到两个结果，所以输出结果：[u'abc@example.com',u'xyz@example.com']
可以向find函数传递True或False参数，如果传递True给find_all()，则返回soup对象的所有标签。对于find()来说，则返回soup对象的第一个标签。
all_texts = soup.find_all(text=True) print(all_texts)
输出结果：
同样，可以在传递text参数时传递一个字符串列表，那么find_all()会找到挨个在列表中定义过的字符串。
all_texts_in_list = soup.find_all(text=['plants', 'algae']) print(all_texts_in_list)
输出结果：
[u'plants', u'alage']
这个同样适用于查找标签，标签属性，定制属性和CSS类。如：
div_li_tags = soup.find_all(['div', 'li'])
并且find()和find_all()都会查找一个对象所有后辈们，不过可以通过recursive参数控制。(recursive回归，递归)
如果recursive=False，只会找到该对象的最近后代。
通过标签之间的关系进行查找
查找父标签
通过find_parents()或find_parent()。它们之间的不同类似于find()和find_all()的区别。
find_parents()返回全部的相匹配的父标签，而find_parent()返回最近一个父标签。适用于find()的方法同样适用于这两个方法。
在第一消费者例子中，可以找到离Primaryconsumer最近的ul父标签。
primaryconsumers = soup.find_all(class_ = 'primaryconsumerlist') primaryconsumer = primaryconsumers[0] parent_ul = primaryconsumer.find_parents('ul') print(parent_ul)
一个简单的找到一个标签的父标签的方法是使用find_parent()却不带任何参数。
immediateprimary_consumer_parent = primary_consumer.find_parent()
查找同胞
标签在同一个等级，这些标签是同胞关系，比如参照上面金子塔例子，所有的ul标签就是同胞的关系。上面的ul标签下的producers，primaryconsumers，，
secondaryconsumers，teriaryconsumers就是同胞关系。
div下的plants和algae不是同胞关系，但是plants和临近的number是同胞关系。
Beautiful Soup自带查找同胞的方法。
比如find_next_siblings()和find_next_sibling()查找对象下面的同胞。(sibling兄弟姐妹)
producers = soup.find(id = 'producers') next_siblings = producers.find_next_siblings() print(next_siblings)
输出结果将会输出与之临近的下面的所有同胞html代码。
查找下一个
对每一个标签来说，下一个元素可能会是定位字符串，标签对象或者其他BeautifulSoup对象，我们定义下一个元素为当前元素最靠近的元素 。
这不用于同胞定义，我们有方法可以找到我们想要标签的下一个其他元素对象。find_all_next()找到与当前元素最靠近的所有对象。而find_next()找到离当前元素最接近的对象。
比如，找到在第一个div标签后的所有li标签
first_div = soup.div all_li_tags = first_div.find_all_next('li')
查找上一个
与查找下一个相反的是查找前一个，用find_previous()和find_all_previous()。
