BeautifulSoup库学习

1.BeautifulSoup库简介

Beautiful Soup库,也叫做beautifulsoup4或bs4库，是解析、遍历、维护“标签树”的功能库

标签简单介绍

 <p>...</>:标签Tag  
 <p class = "title">...</p>   p:名称成对出现，class=xxx属性0个或者多个  

2.Beautiful Soup库解析器

1. bs4的HTML解析器 BeautifulSoup(test,‘html.parser’) 要求安装bs4库
2. lxml的HTML解析器 BeautifulSoup(test,‘lxml’) 要求pip install lxml
3. lxml的XML解析器 BeautifulSoup(test,‘xml’) 要求pip install lxml
4. html5lib的解析器 BeautifulSoup(test,‘html5lib’) 要求 pip install html5lib

3.Beautiful Soup库的基本元素

Tag: 标签，最基本的信息组织单元，分别用<></>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

4.标签树的下行遍历

① .contents 子节点的列表，将<tag>所有儿子节点存入列表
② .children 子节点的迭代类型，与.contents类似，用于循环遍历儿子节点
③ .descendants 子孙节点的迭代类型，包含所有子孙节点，用于循环遍历

5.标签树的上行遍历

① .parent 节点的父亲标签
② .parents 节点的先辈标签的迭代类型，用于循环遍历先辈节点

6.标签树的平行遍历

注意：平行遍历发生再同一个父亲节点下的个节点间，遍历包括其中的string

① .next_sibling: 返回按照HTML文本顺序的下一个平行节点标签
② .previous_sibling: 返回按照HTML文本顺序的上一个平行节点标签
③ .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
④ .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.按html格式输出

.prettify()
为html文本增加换行符号，也可以对单个标签进行处理。