004Python -Beautiful Soup库入门

最新推荐文章于 2021-09-16 10:39:07 发布

LeicyII

最新推荐文章于 2021-09-16 10:39:07 发布

阅读量198

点赞数 3

分类专栏：笔记 python学习文章标签： python 爬虫

本文链接：https://blog.csdn.net/LeicyII/article/details/114376394

版权

10 篇文章 0 订阅

订阅专栏

3 篇文章 0 订阅

订阅专栏

1、Beautiful Soup库的理解：

2、引用方式：

3、Beautiful Soup库解析器

soup = BeautifulSoup(’<html>data<html>’,‘html.parser’)

解析器	使用方法	条件
bs4的HTML解释器	BeautifulSoup(mk,‘html.parser’)	安装bs4库
lxml的HTML解释器	BeautifulSoup(mk,‘lxm’)	pip install lxml
lxml的XML解释器	BeautifulSoup(mk,‘xml’)	pip install lxml
html5lib的解析器	BeautifulSoup(mk,‘html5lib’)	pip install html5lib

4、BeautifulSoup类的基本元素
<p class = “title”>…</p>

基本元素	说明
Tag	标签，最基本的信息组织单元，分别用<>和</>表明开头和结尾
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，<>…</>中的字符串，格式：<tag>.string
Comment	标签内字符串的注释部分，一种特殊的Comment类型

5、标签树的下行遍历

属性	说明
.conents	子节点的列表，将<tag>所有的儿子节点存入列表
.children	子节点的迭代类型，与.content类似，用于循环遍历儿子节点
.descendants	子孙节点的迭代类型，包含所有的子孙节点，用于循环遍历

6、标签树的平行遍历

属性	说明
.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

7、标签树的上行遍历

属性	说明
.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

8、HTML内容更加友好显示:soup.prettify()

from bs4 import BeautifulSoup
soup = BeautifulSoup（demo,"html.parser"</font>）
print(soup.prettify())

解释：

prettify()为HTML文本<>及其内容增加了’\n’

9、bs4库的编码

bs4库将任何HTML输入都变成utf-8编码，Python 3.x默认支持编码是utf-8，解析无障碍

附加：HTML基本格式

关注