Dairy07-Beautiful Soup入门

Beautiful Soup入门

1. Beautiful Soup是什么

Beautiful Soup库是解析、遍历、维护“标签树”的功能库。Beautiful Soup库，也叫beautifulsoup4 或 bs4。

2. Beautiful Soup类的基本元素

下面由一个例子来对以上Beautiful Soup库的5个基本元素进行介绍。

利用requests库获取demo.html的源代码，获取代码如下：

得到demo.html源代码：

2.1 Tag标签

代码案例如下：

输出结果如下，第一行输出title标签，第二行输出a标签：

2.2 Tag的name(名字)

2.3 Tag的attrs(属性)

代码案例如下：

输出结果如下，一个<tag>可以有0或多个属性，字典类型：

2.4 Tag的NavigableString

2.5 Tag的comment(Comment是一种特殊类型)

3.基于bs4库的HTML内容遍历方法

3.1 HTML基本格式

3.2 HTML内容的三种遍历方式

3.2.1 标签树的下行遍历

代码示例如下：

3.2.2 标签树的上行遍历

3.2.3 标签树的平行遍历

平行遍历发生在同一个父节点下的各节点间，下面是图解：

4.基于bs4库的HTML格式输出

bs4库的prettify()方法可以让HTML内容更加“友好”的显示。.prettify() 为HTML文本<>及其内容增加更加'\n' .prettify()可用于标签，方法：.prettify()

下面是代码演示：