python爬虫学习
一、Beautiful Soup库
1、引用
from bs4 import BeautifulSoup
from bs4 import BeautifulSoup
soup = BeautifulSoup('<p>data</p>', 'html.parser')
2、BeautifulSoup类的基本元素
Tag 标签,最基本的信息组织单元,分别用<>和
for child in soup.body.children:
print(child)
for child in soup.body.descendants:
print(child)
遍历儿子节点
遍历子孙节点
**注意!!! 下行遍历需要 增加一个 if isinstance(child, bs4.element.Tag):
筛掉 \n换行符 等其他不是标签的元素**
5、上行遍历
.parent
.parents
6、平行遍历
.next_sibling 返回按照HTML文本顺序的下一个平行节点标签
.previous_sibling 返回按照HTML文本顺序的上一个平行节点标签
.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
.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
标签树的平行遍历
for sibling in soup.a.next_sibling:
print(sibling)
for sibling in soup.a.previous_sibling:
print(sibling)
遍历后续节点
遍历前续节点
注意!!!平行遍历是遍历节点,所以包括字符串等
7、bs4的prettify()方法