Python예제 - soup 기본 개념

참고

Python예제: http://infos.tistory.com/1982

* html 기본 구조: http://infos.tistory.com/1591

* CSS 기본 구조: http://infos.tistory.com/1592

* CSS태그의 문단 구분: http://infos.tistory.com/1593

* 정규식 re : http://infos.tistory.com/1556

* python import

from bs4 import BeautifulSoup as bs

* 생성 ex1

html1 = '<p class="body"></p>'

html2 = '<p class="body">text <img src="http://a.com/a.jpg"></img> </p>'

soup = bs(html2, 'html.parser')

* soup객체 인스턴스는 맴버변수로 태그간 상하 참조 관계를 가진다.

class bs # BeautifulSoup

parent = 부모태그

자식들... = 자식태그들

operator [] = 자식태그에 속성들

* 자식태그

모든 계층의 자식을 직접 멤버변수로 접근한다. 자식의 모든 계층을 직속 멤버변수로 접근.

soup 는 root.

soup.p 는 '<p ...'.

soup.p.img, soup.img 는 '<img ..'.

 

* 부모태그

맴버변수 parent로 접근.

soup와 soup.img.parent는 같다.

* 태그삭제

soup.img.extract() # list.pop효과

* 속성목록.

soup.p.attrs # {'class': ['body']}

soup.img.attrs # {'src': 'http://a.com/a.jpg'}

* 속성선택.

soup.img['src'] # "http://a.com/a.jpg"

* 속성삭제.

del soup.img['src']

* 텍스트, 자식태그, 등 컨텐츠 출력

자신의 텍스트는 포함하지만 자신의 속성&인수는 포함되지 않는다.

soup.p.contents # ['text1', <img src="http://a.com/a.jpg"/>, ' ']

* find()은 속성을 찾고, 해당 태그를 리턴 한다.

soup.find(class_="body") # <p class="body">text <img src="http://a.com/a.jpg"/> </p>

D8815 모든 속성을 찾을 수 있는 건 아니다. soup.find(src ...)경우 못찾는다.

* select()는 CSS선택자로 태그를 찾아 리턴.

soup.select("img") # [<img src="http://a.com/a.jpg"/>]