pip install BeautifulSoup4
Beautiful Soup库是解析、遍历、维护“标签树”的功能库
<p>..</p>:标签 Tag
<p class="title">...</p> p:名称(Name) 成对出现 class="title":属性(Attributes) 0个或多个
from bs4 import BeautifulSoup
import bs4
soup=BeautifulSoup('<html>data</html>','html.parser')
Tag:标签，最基本的信息组织单元，分别用<>和</>标明开头和结尾
Name:标签的名字,<p>...</p>的名字是'p',格式:<Tag>.name
Attributes:标签的属性,字典形式组织，格式:<Tag>.attrs
NavigableString:标签内的非属性字符串,<>...</>,格式:<Tag>.string
Comment:标签内字符串的注释部分,一种特殊的Comment类型
Tag 标签
from bs4 import BeautifulSoup
soup=BeautifulSoup(demo,"html.parser")
soup.title
tag=soup.a
tag
soup.a.name
soup.a.parent.name
soup.a.parent.parent.name
tag.attrs
tag.attrs['class']
tag.atrs['href']
一个<tag>可以有0或多个属性，字典类型
soup.a
soup.a.string
NavigabeString可以跨越多个层次
newsoup.b.string
.contents:子节点的列表，将<tag>所有儿子节点存入列表
.children:子节点的迭代类型，与.contents类似，用于循环遍历儿子节点
.descendants:子孙节点的迭代类型，包含所有子孙节点，用于循环遍历
BeautifulSoup类型是标签树的根节点
for child in soup.body.children:
print(child)
for child in soup.body.descendants:
print(child)
.parent:节点的父亲标签
.parents:节点先辈标签的迭代类型，用于循环遍历先辈节点
soup=BeautifulSoup(demo,"html.parser")
for parent in soup.a.parents:
if parent is None:
print(parent)
else:
print(parent.name)
.next_sibling:返回按照HTML文本顺序的下一个平行节点标签
.previous_sibling:返回按照HTML文本顺序的上一个平行节点标签
.next_siblings:迭代类型，返回按照HTML文本顺序的后续所有平行节点标签
.previous_siblings:迭代类型，返回按照HTML文本顺序的前续所有平行节点标签
for sibling in soup.a.next_sibling:
print(sibling)
for sibling in soup.a.previous_sibling:
print(sibling)
bs4库的prettify()方法
.prettify()为HTML文本<>及其内容增加'\n'
.prettify()可用于标签,方法:<tag>.prettifi()
网友评论