BeautifulSoup的高级应用之 contents children descendants string strings stripped_strings

最新推荐文章于 2022-08-08 06:05:43 发布

Winterto1990

最新推荐文章于 2022-08-08 06:05:43 发布

阅读量5.9k

点赞数 3

分类专栏： python 文章标签： html python BS4 children

本文链接：https://blog.csdn.net/winterto1990/article/details/47779337

版权

python 专栏收录该内容

75 篇文章 1 订阅

订阅专栏

继上一节，BeautifulSoup的高级应用之 find findAll，这一节，主要讲解BeautifulSoup有关的其他几个重要应用函数。

本篇中，所使用的html为：

html_doc = """ 
<html>
<head><title>The Dormouse's story</title></head> 
<p class="title"><b>The Dormouse's story</b></p> 
<p class="story">Once upon a time there were three little sisters; and their names were 
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>, 
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p> 
<p class="story">...</p> 
</html>"""

.contents和.children

tag的 .contents 属性可以将 tag的子节点以列表的形式输出。

from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc)
head_tag = soup.head 
head_tag 
# <head><title>The Dormouse's story</title></head> head_tag.contents 
[<title>The Dormouse's story</title>] 
title_tag = head_tag.contents[0] 
title_tag 
# <title>The Dormouse's story</title> 
title_tag.contents 
# [u'The Dormouse's story']

BeautifulSoup对象本身一定会包含子节点 ,也就是说标签也是 BeautifulSoup 对象的子节点 :

len(soup.contents) 
# 1 
soup.contents[0].name 
# u'html'

字符串没有.contents 属性 ,因为字符串没有子节点 :

text = title_tag.contents[0] 
text.contents 
# AttributeError: 'NavigableString' object has no attribute 'contents'

通过 tagtagtag的 .children 生成器 ,可以对 tagtagtag的子节点进行循环 :

for child in title_tag.children: 
    print(child)
# The Dormouse's story

.descendants:
.contents和 .children 属性仅包含 tagtagtag的直接子节点 .例如 ,标签只有一个直接子节点

head_tag.contents 
# [<title>The Dormouse's story</title>]

但是标签也包含一个子节点 :字符串字符串 “The Dormouse’s story”, 这种情况下字符串 “The Dormouse’s story” 也属于标签的子孙节点 .descendants 属性可以对所有 tagtagtag的子孙节点进行递归循环

for child in head_tag.descendants: 
    print(child) 
# <title>The Dormouse's story</title>
# The Dormouse's story

标签只有一个子节点 ,但是有 2个子孙节点 :节点和的子节点 , BeautifulSoup 有一个直接子节点 (节点 ), 却有很多子孙节点 :

len(list(soup.children)) #这里是html的children子节点
# 1 
len(list(soup.descendants)) #这里是html的descendants子孙节点 多个
# 25

.string:
如果 tagtagtag只有一个 NavigableString 类型子节点 ,那么这个 tag可以使用.string 得到子节点 :

title_tag.string 
# u'The Dormouse's story'

如果一个 tag仅有一个子节点 ,那么这个 tag也可以使用 .string 方法 ,输出结果与当前唯一子节点的 .string 结果相同 .
如果 tag包含了多个子节点,tag就无法确定 .string.string.string .string.方法应该调用哪个子节点的内 , .string 的输出结果是 None。

strings 和 stripped_strings：
如果 tag中包含多个字符串 ,可以使用.strings 来循环获取 :

for string in soup.strings: 
    print(repr(string))

输出的字符串中可能包含了很多空格或行 ,使用 .stripped_strings 可以去除多余空白内容 :

for string in soup.stripped_strings: 
    print(repr(string))

下一篇我们讲解父节点，兄弟节点，回退和前进。

Winterto1990

关注

3
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
BeautifulSoup的高级应用之 contents children descendants string strings stripped_strings

继上一节，BeautifulSoup的高级应用之 find findAll，这一节，主要讲解BeautifulSoup有关的其他几个重要应用函数。本篇中，所使用的html为：html_doc = """ <html><head><title>The Dormouse's story</title></head> <p class="title"><b>The Dormouse's story
复制链接

扫一扫