HTML標籤定位

在搜尋HTML網頁時，可以使用BeautifulSoup中的find()函數來找出指定的HTML 標籤。此函數傳回的值是”第一個”符合條件的HTML標籤，若沒有找到指定標籤會回傳None。

find()函數內可以使用四個參數，如下:

• name參數:指定搜尋的標籤名稱
• attribute參數:搜尋條件的HTML標籤屬性
• recursive參數:布林值為True會搜尋包含所有的子孫標籤；布林值為False只會搜尋下一層子標籤
• text參數:指定搜尋的標籤字串內容

BeautifulSoap的find_all()函數可以搜尋HTML網頁找出”所有”符合條件的HTML標籤。

find_all()函數內可以使用五個參數，前四個參數和find()函數相同，如下:

• name參數:指定搜尋的標籤名稱
• attribute參數:搜尋條件的HTML標籤屬性
• recursive參數:布林值為True會搜尋包含所有的子孫標籤；布林值為False只會搜尋下一層子標籤
• text參數:指定搜尋的標籤字串內容
• limit參數:指定搜尋標籤的最大值

實作練習

1. 使用標籤名稱搜尋HTML標籤:在FJU_website.html中找出標籤中的內容
   

   from bs4 import BeautifulSoup 
   
   with open("FJU_website.html", "r", encoding="utf8") as fp:
   soup = BeautifulSoup(fp, "lxml")
   
   tag_a = soup.find("a") # 搜尋<a>標籤
   print(tag_a.string)
   

   

2. 搜尋HTML標籤的class屬性
   

   from bs4 import BeautifulSoup
   
   with open("FJU_website.html", "r", encoding="utf8") as fp:
   soup = BeautifulSoup(fp, "lxml")
   # 使用class屬性搜尋<li>標籤, 和之下的<span>標籤
   tag_li = soup.find(attrs={"class": "right"})
   tag_h4 = tag_li.find("h4")
   print(tag_h4.string)
   

   

3. 搜尋HTML標籤的文字內容
   

   from bs4 import BeautifulSoup 
   
   with open("FJU_website.html", "r", encoding="utf8") as fp:
   soup = BeautifulSoup(fp, "lxml")
   # 使用文字內容來搜尋標籤
   tag_str = soup.find(text="天主教輔仁大學介紹")
   print(tag_str)
   tag_str = soup.find(text="在台復校60周年 歷史回顧")
   print(tag_str)
   print(type(tag_str))        # NavigableString型態
   print(tag_str.parent.name)  # 父標籤名稱
   

   

4. 搜尋所有標籤:在FJU_website.html找出所有左半邊的標籤
   

   from bs4 import BeautifulSoup 
   
   with open("FJU_website.html", "r", encoding="utf8") as fp:
   soup = BeautifulSoup(fp, "lxml")
   # 找出左半邊的文字內容
   tag_list = soup.find_all("section", class_="left")
   print(tag_list)
   
   for left in tag_list:
       print(left.p.string)