有关BeautifulSoup杂记

最新推荐文章于 2022-02-09 12:00:00 发布

秋瑾先生

最新推荐文章于 2022-02-09 12:00:00 发布

阅读量199

点赞数

分类专栏：日常笔记文章标签： BeautifulSoup

本文链接：https://blog.csdn.net/dldl1718/article/details/88690492

版权

16 篇文章 0 订阅

订阅专栏

BeautifulSoup对象分为Tag，NavigableString，BeautifulSoup，Comment 。
Tag
- Soup.Tag。其中Tag 表示HTML中标签名，例如title，p,a,等。
  print(soup.title)
BeautifulSoup技术
- 返回完整的标签内容，包括标签的属性，内容以及子标签。
- 相同标签有多个，只返回第一个。
- Soup.name.获取文档树的标签名称。
  print(Soup.name)
  [document]
- soup.p.attrs返回标签p的所有属性
  多值属性返回类型是list
- for link in soup.find_all(‘a’):
  print(link.get(‘href’))
  获取标签a的超链接
- for a in soup.find_all(‘a’):
  print(a.get_text())
  获取文字内容
print（soup.title.string）或使用 print(str(soup.title.string))或print(unicode(soup.title.string))
BeautifulSoup技术
BeautifulSoup对象表示文档的的全部内容。解析网页，表示网页源码。
comment = Soup.b.string
print(comment)
读取注释内容
contents,children获取标签直接子节点，不同的是children返回一个迭代对象。
只有一个子标签（没有换行），获取子标签的节点内容，使用string输出;有多个子标签（换行算一个子标签）或输出none。
for content in soup.stripped_string:
print(unicode(content))
去除标签内容多余的空格，换行。
获取父亲节点parent，获取所有父亲节点：
for parent in content.parents:
print(parent)
next_sibling获取下一个兄弟节点；previous.sibling获取上一个兄弟节点