python爬虫备忘（2）

今天学习beautifulsoup的安装与使用，写一篇学习备忘录。

首先在命令行运行 pip install beautifulsoup4 即可完成安装。

检测库是否安装成功。

可以有两种方式为bs4提供内容。

元素类型

任何一个html标签都可以通过soup.tag返回，当存在多个标签时，返回第一个。

可以使用.name的方式获取标签的名字，得到字符串形式。

使用attrs返回标签的属性，以字典的形式，并且标签被定义了一种新的类型。

string返回标签中的纯文字部分。

使用bs4可以对html的标签树进行遍历，包括上行遍历，下行遍历和平行遍历。

contents以列表的形式返回，并且可以用访问列表的方式来访问。而另外两种方法返回迭代类型，只能通过for in的方式遍历。

soup的父亲没有显示。

在平行遍历下，两个平行元素必然有一个父亲，否则不构成平行关系。值得注意的是，string类型也可能作为平行元素出现在结果中，所以下一个平行元素不一定是标签类型。