Python3.x Beautifulsoup：.find() 和 .select() 之间的区别

总结 comments :

• select查找多个实例并返回一个列表，find查找第一个实例，因此它们不会执行相同的操作.select_one相当于find.
• 当链接标签或使用tag.classname时，我几乎总是使用css Select 器，如果寻找一个没有类的元素，我使用find.本质上，这取决于用例和个人偏好.
• 就灵活性而言，我想你知道答案，如果使用多个链接的find/find_all个电话，soup.select("div[id=foo] > div > div > div[class=fee] > span > span > a")个看起来会很难看.
• bs4中css Select 器的唯一问题是支持非常有限，nth-of-type是唯一实现的伪类，像[href][src]这样的链接属性也不受支持，css Select 器的许多其他部分也不受支持.但是像a[href=…]*，a[href^=]、a[href$=]等等..我认为这比find("a", href=re.compile(....))好得多，但这也是个人偏好.

为了提高性能，我们可以运行一些测试，我修改了运行在here的800+html文件上的answer here的代码，这不是详尽的，但应该提供一些选项的可读性和性能的线索:

修改后的功能包括:

from bs4 import BeautifulSoup
from glob import iglob


def parse_find(soup):
    author = soup.find("h4", class_="h12 talk-link__speaker").text
    title = soup.find("h4", class_="h9 m5").text
    date = soup.find("span", class_="meta__val").text.strip()
    soup.find("footer",class_="footer").find_previous("data", {
        "class": "talk-transcript__para__time"}).text.split(":")
    soup.find_all("span",class_="talk-transcript__fragment")



def parse_select(soup):
    author = soup.select_one("h4.h12.talk-link__speaker").text
    title = soup.select_one("h4.h9.m5").text
    date = soup.select_one("span.meta__val").text.strip()
    soup.select_one("footer.footer").find_previous("data", {
        "class": "talk-transcript__para__time"}).text
    soup.select("span.talk-transcript__fragment")


def  test(patt, func):
    for html in iglob(patt):
        with open(html) as f:
            func(BeautifulSoup(f, "lxml")

现在来看一下时间安排:

In [7]: from testing import test, parse_find, parse_select

In [8]: timeit test("./talks/*.html",parse_find)
1 loops, best of 3: 51.9 s per loop

In [9]: timeit test("./talks/*.html",parse_select)
1 loops, best of 3: 32.7 s per loop

就像我说的，不是详尽无遗的，但我认为我们可以放心地说，css Select 器肯定更有效.