bs4应用小技巧2

这里用两种获取方式 
.string 和 get_text() 
.string 用来获取标签的内容 
get_text() 用来获取标签中所有字符串包括子标签的。

#find_all()的返回值类型

<class 'bs4.element.ResultSet'>

#select()的返回值类型

<class 'list'>

在取值时我们要注意一点就是在获取标签的时候获取的是单个标签还是标签列表。 
也就是find()和find_all(),select()和select_one()的区别。 

问题:滥用遍历文档树的方法

常见的方法有:

• contents
• descendants
• parent
• next_sibling 寻找兄弟节点
• next_siblings 所有的兄弟节点
• next_element

这些方法都会遍历文档树中的所有节点, 包括文本节点. 也就是说: 只要你使用这些方法, 你就一定会选择出许多文本节点, 因为文本节点无处不在: 换行, 空格等.

解决方法: 使用过滤器find等方法:

soup.find(name='tagname')

当我们一旦在过滤器中指定了name关键字, 那么返回的结果就一定是tag对象, 因为文档节点没有name属性.

结论: 大多数情况下, 你需要的是find 这一类过滤器, 而不是遍历所有节点.