通过点取属性的方式能够遍历文档树,属性如下:
获取标签
- .tag名称: 获取标签,如果有多个结果只能获得第一个标签
获取子节点
- .contents/ .child:获取直接子节点
- .descendants:获取子孙节点
获取字符串
- .string:获得NavigableString类型的子节点。如果包含多个NavigableString类型的子节点,则返回结果为None
- .strings/ .stripped_string:获取所有的字符串,.stripped_string会过滤掉空白字符串
获取父节点
- .parent/ .parents:获取父节点/获取父辈节点
获取兄弟节点
- .next_sibling/ .previsous_sibling/ .next_siblings/ .previsous_siblings:获取兄弟节点
获取元素
- .next_element/ .previous_element/ .next_elements/ .previous_elements:获取上一个/下一个元素。获取元素的顺序与HTML解析的顺序一致,如"<title>The Dormouse's story</title>"标签的下一个元素为字符串"The Dormouse's story"
通过查看源码可以看到,上述属性在底层实际上是通过@property装饰器定义的,另外在返回多个值时,定义的是一个生成器函数:
@property
def next_elements(self):
i = self.next_element
while i is not None:
yield i
i = i.next_element
@property
def next_siblings(self):
i = self.next_sibling
while i is not None:
yield i
i = i.next_sibling