Beautiful Soup 简明教程

Beautiful Soup - Parsing a Section of a Document

假设你要使用 Beautiful Soup 仅查看文档的 <a> 标签。通常，你将解析树，并使用 find_all() 方法，并以所需标签作为参数。

soup = BeautifulSoup(fp, "html.parser")

tags = soup.find_all('a')

但是那将耗时，并且无用地占用更多内存。可创建一个 SoupStrainer 类的对象，并将其用作 BeautifulSoup 构造函数中 parse_only 参数的值。

SoupStrainer 告诉 BeautifulSoup 提取哪些部分，而解析树仅包含这些元素。若将所需信息缩小到 HTML 的特定部分，这将加速你的搜索结果。

product = SoupStrainer('div',{'id': 'products_list'})
soup = BeautifulSoup(html,parse_only=product)

上述代码行仅从产品网站中解析标题，它可能位于某个标签字段中。

类似上述情况，我们可以使用其他 soupStrainer 对象来解析 HTML 标签中的特定信息。以下是一些示例：

Example

from bs4 import BeautifulSoup, SoupStrainer

#Only "a" tags
only_a_tags = SoupStrainer("a")

#Will parse only the below mentioned "ids".
parse_only = SoupStrainer(id=["first", "third", "my_unique_id"])
soup = BeautifulSoup(my_document, "html.parser", parse_only=parse_only)

#parse only where string length is less than 10
def is_short_string(string):
   return len(string) < 10

only_short_strings = SoupStrainer(string=is_short_string)

SoupStrainer 类的参数与通过搜索树的典型方法一致：name、attrs、text 和 **kwargs。

请注意，如果你使用 html5lib 解析器，此特性将不起作用，因为在这种情况下无论如何都会解析整个文档。因此，你应该使用内建的 html.parser 或 lxml 解析器。

你还可以将 SoupStrainer 传递到通过搜索树涵盖的任何方法中。

from bs4 import SoupStrainer

a_tags = SoupStrainer("a")
soup = BeautifulSoup(html_doc, 'html.parser')
soup.find_all(a_tags)