上一小节我们学习了find 和 find_all　函数，我们也知道find_all 函数返回的结果是一个列表，然而我们并不想要列表，列表不利于我们查看，所以我们只能使用find，find会将匹配的结果直接返回，那么find()函数有这么多参数，name，keyword，attrs，text，recursive，我们需要使用哪个参数呢？

我们来看看网页源码

 
    
                
     
                    
      
       
Beautiful Soup 4.2.0 文档
        
         ¶
        
       
       
        
         Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间.
        
       
这篇文档介绍了BeautifulSoup4中所有主要特性,并切有小例子.让我来向你展示它适合做什么,如何工作,怎样使用,如何达到你想要的效果,和处理异常情况.
       
文档中出现的例子在Python2.7和Python3.2中的执行结果相同
       
你可能在寻找 
        
         Beautiful Soup3 的文档,Beautiful Soup 3 目前已经停止开发,我们推荐在现在的项目中使用Beautiful Soup 4, 
         
          移植到BS4
         
        
       
        
寻求帮助
         
          ¶
         
        
如果你有关于BeautifulSoup的问题,可以发送邮件到 
         
          讨论组 .如果你的问题包含了一段需要转换的HTML代码,那么确保你提的问题描述中附带这段HTML文档的 
          
           代码诊断 
           
            [1]
           
          
         
       
      
     
    

这是网页源码中正文开始的部分，我们看到，有<h1>标签，这是标题，还有<p>标签，这是段落，里面则是文章的内容，当然，这只是其中很小很小的部分，我们想要获取这些内容，需要传入find函数的哪个参数呢？我们来一个一个的分析，顺便加深印象

1. name ：name参数是针对tag进行操作的，我们想要获取全部的正文内容的话，就要分别对<h1>，<p>，<li>等标签进行获取，当然肯定还会有其他的标签，find('h1')是获取所有<h1>标签的内容，其他的也一样，所以我们在输出的时候还需要对结果进行整合，这个相当麻烦，根本分不清哪个标题对应那段文字，所以这个 pass

2. keyword：keyword据说是可以按tag标签的属性进行查找，那我这里可以找到整个正文内容包含在哪个代码块中，可能是class="xxxbody" 或者　id="xxx"等等，我可以使用这个参数将整个正文所在的代码块抠出来，这样章节的顺序是不会变化的，这个方法好像可行，但是我们再看看还有没有更好的方法

3. attrs：attrs是针对于匹配一些与关键字相同的字符串，比如import，class等等，这里应该是用不到的

4. text：啊，这个根本是想都不用想的好嘛，这个是根据text的字符串来寻找相对应的内容，我们要传一个字符串进去，然后find函数会寻找含有这个字符串的句子，这完全跟我们要实现的功能不搭调的

5. recursive：这个参数设置是否遍历某个tag的所有子孙节点，这个好像可以使用，我们只要传入一个tag就可以了嘛，但前提是，你的这个tag必须是唯一的，我们现在这个网页源码中，正文内容的父节点的tag是<div>，可是，源码中还有很多的<div>，我们将这个tag传进去的话程序并不知道我们要寻找的是哪个<div>里面的子孙节点,程序运行不能达到我们想要的效果

所以没办法了，只能使用第二个参数了，现在的问题是，应该传入什么keyword

通过对源码的分析，我觉得这句代码很有可能

这个articleBody 的英文看起来好像是文章主题的意思，而且，一般规范的程序为了便于后面的修改和维护，它的函数名或者是关键字都会以相关功能的英文名字来命名，这是阅读程序的一个小技巧，我觉得这个articleBody有可能就是我们要的，所以将代码整理一下，看看结果是什么吧

#!/usr/bin/env python# -*- coding:UTF-8 -*-__author__ = '217小月月坑''''获取文章主体'''import urllib2from bs4 import BeautifulSoupurl = 'http://beautifulsoup.readthedocs.org/zh_CN/latest/#'request = urllib2.Request(url)response = urllib2.urlopen(request)contents = response.read()soup = BeautifulSoup(contents)# 传入keyword参数result = soup.find(itemprop="articleBody")print result

输出结果

好了，结果证明正文部分的代码已经被抠出来了，但是，我们不能就这样将结果直接写入文件，我们还要从这段源码中获取正文的内容，也就是那些文字什么的，那好，我们就来看一下应该使用什么方法来获取正文的内容