beautiful soup库—总结

Posted 2020-12-29 lengjie

 

from bs4 import BeautifulSoup

Beautiful Soup库：是解析、遍历、维 护 "标签树〃的功能库

Beautiful Soup类：

Beautiful Soup类的基本元素：
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             标签内非属性字符串， <>...</> 中字符串，格 式 ： <tag>.string
Comment                     标签内字符串的注释部分，一种特殊的 Comment 类型

- 任何存在于html语法中的标签者P可以用soup.<tag>访问获得，当HTML文档中存在多个相同<tag>对应内容时，soup.<tag>返回第1个
- 每个<tag> 都有自己的名字 ，通过 <tag>.name 获取，字符串类型
from bs4 import BeautifulSoup
soup = BeautifulSoup (demo, "html. parser")
soup. title
tag = soup.a
soup.a.name
tag.attrs
soup. a . string


Beautiful Soup对象对应一个HTML/XML文档的全部内容

标签树：
标签树的下行遍历：
soup.tag.contents             遍历tag的子节点并存入列表
soup.tag.children             子节点的迭代类型，循环遍历tag的子节点并存入列表
soup.tag.descendants          循环遍历tag的子孙节点并存入列表

标签树的上行遍历：
soup.tag.parent                访问tag节点的父节点标签
soup.tag.parents               节点先辈标签的迭代类型，循环遍历tag的先辈节点

标签树的平行遍历：  （发生在同一个父节点下的各节点间，并不是同一层各个节点）
soup.tag.next_sibling                   返回按照 HTML 文本顺序的下一个平行节点标签
soup.tag.previous_sibling               返回按照 HTML 文本顺序的上一个平行节点标签
soup.tag.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
soup.tag.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


bs4库的prettify()方法：
.prettify() 为 HTML 文本 <> 及其内容增加更加 ’
 ‘
 <tag>. prettify()