BeautifulSoup
Beautiful Soup类的基本元素
Tag:标签,最基本的信息组织单元,分别用<></>表明开头和结尾
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
HTML内容遍历方法
标签树的下行遍历
.contents:子节点的列表,将< tag >所有儿子结点存入列表
.children:子节点的迭代类型,与.content类似,用于循环遍历儿子结点
.descendants:子孙节点的迭代类型,包含所有子孙结点,用于循环遍历
标签树的上行遍历
.parent:节点的父亲标签
.parents:节点先辈的标签的迭代类型,用于循环遍历先辈节点
标签树的平行遍历
.next_sibling:返回按照HTML文本顺序的下一个平行结点标签
.previous_sibling:返回按照HTML问题顺序的上一个平行节点标签
.next_siblings:迭代类型,安徽按照HTML文体顺序的后续所有平行节标签
.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
最后,为了让html内容更好地显示,可以调用prettify()
soup.prettify()
import requests
from bs4 import BeautifulSoup
url="http://python123.io/ws/demo.html"
r=requests.get(url)
demo=r.text
soup=BeautifulSoup(demo,"html.parser")
print(soup.prettify())