BeautifulSoup4のselect()メソッドの使い方について
みなさまおはこんばんにちは、せなです
今回は、BeautifulSoup4のタグ検索用メソッドの一つ「.select()」と「.select_one()」の使い方について説明したいと思います
構成
以下のコードを前提に説明しています
from bs4 import BeautifulSoup
html = """<html><head><title>せなブログ</title></head>
<div class="item">
# <a href="https://senablog.com/category/programming/" class="category" id="tag1">プログラミング</a>
# <a href="https://senablog.com/category/programming/python/" class="category" id="tag2">Python</a>
# <a href="https://senablog.com/category/zakki/" class="category" id="tag3">雑記</a>
</div>
</html>
"""
soup = BeautifulSoup(html, 'html.parser')select()メソッドについて
まず初めに、select()とよく似ているfind_all()との違いについて説明しておきます
find_all()の引数は「find_all('要素名’, '属性’, 'キーワード引数’)」となるのに対してselect()の引数は「select('CSSセレクタ’, 'キーワード引数’)」となります
例えば以下のコードはどちらも同じ結果を返します
print(soup.find_all('a', href=True))
print(soup.select('a[href]'))このように、find_all()とselect()では引数への設定する方法が違うことがわかるかと思います
まとめると
| 全ての要素 | 一つの要素 | 引数 |
| find_all() | find() | 要素名・属性・キーワード引数 |
| select() | select_one() | CSSセレクタ・キーワード引数 |
基本的にはselect()を使う方がきれいに書ける気がするので、select()を個人的におすすめします
（結局のところ臨機応変に使えば良いと思いますが…）
select()とselect_one()メソッドの使い方
select()メソッドではfind_all()などとは指定する時の方法なども異なります
以下にselect()を使った処理方法の一部を記述します
# idを指定
print(soup.select('#tag2'))
# [<a class="category" href="https://senablog.com/category/programming/python/" id="tag2">Python</a>]
# classを指定
print(soup.select('.item'))
# [<div class="item">
# <a class="category" href="https://senablog.com/category/programming/" id="tag1">プログラミング</a>
# <a class="category" href="https://senablog.com/category/programming/python/" id="tag2">Python</a>
# <a class="category" href="https://senablog.com/category/zakki/" id="tag3">雑記</a>
# </div>]
# 指定タグの直後を検索
print(soup.select('html > head > title'))
# [<title>せなブログ</title>]
# （自分以外）全ての兄弟要素を検索
print(soup.select('#tag1 ~ .category'))
# [<a class="category" href="https://senablog.com/category/programming/python/" id="tag2">Python</a>, <a # class="category" href="https://senablog.com/category/zakki/" id="tag3">雑記</a>]
# 次の兄弟要素を検索
print(soup.select('#tag1 + .category'))
# [<a class="category" href="https://senablog.com/category/programming/python/" id="tag2">Python</a>]
# 属性の有無
print(soup.select('a[href]'))
# [<a class="category" href="https://senablog.com/category/programming/python/" id="tag2">Python</a>]
# 完全一致
print(soup.select('a[href="https://senablog.com/category/programming/"]'))
# [<a class="category" href="https://senablog.com/category/programming/" id="tag1">プログラミング</a>]
# 部分一致
print(soup.select('a[href*="gory/pro"]'))
# [<a class="category" href="https://senablog.com/category/programming/" id="tag1">プログラミング</a>, # <a class="category" href="https://senablog.com/category/programming/python/" id="tag2">Python</a>]
# 前方一致
print(soup.select('a[href$="zakki/"]'))
# [<a class="category" href="https://senablog.com/category/zakki/" id="tag3">雑記</a>]
# 後方一致
print(soup.select('a[href^="https://senablog.com/category/programming/"]'))
# [<a class="category" href="https://senablog.com/category/programming/" id="tag1">プログラミング</a>, # <a class="category" href="https://senablog.com/category/programming/python/" id="tag2">Python</a>]上記の記述方法はselect_one()でも同じです