基于bs4库的HTML内容遍历方法

1、HTML基本格式（树形结构）

　　　

2、标签树的下行遍历

　　

#使用contents对标签树进行遍历
import requests
from bs4 import BeautifulSoup
#BeautifulSoup是一个类
r = requests.get('http://python123.io/ws/demo.html')

# print(r.text)
demo = r.text
#解析demo的解释器
soup = BeautifulSoup(demo,'html.parser')

# print(soup.head)
# print(soup.head.contents)
# print(soup.body.contents)
print(len(soup.body.contents))
print(soup.body.contents[1])

 　　　　遍历儿子节点：　　

for child in soup.body,children:
    print(child)

　　　　遍历子孙节点

for child in soup.body.children:
    print(child)

　　3、标签树的上行遍历（soup的父节点是空的）

　　　

import requests
from bs4 import BeautifulSoup
#BeautifulSoup是一个类
r = requests.get('http://python123.io/ws/demo.html')

# print(r.text)
demo = r.text
#解析demo的解释器
soup = BeautifulSoup(demo,'html.parser')

# print(soup.title.parent)
# print(soup.html.parent)
#a标签所有先辈的名字进行打印
for parent in soup.a.parents:
    if parent is None:
        print(parent)
    else:
        print(parent.name)

　　4、标签树的平行遍历

　　

　　　　标签树的平行遍历条件：

　　　　　　是发生在同一个父节点下的各节点之间

import requests
from bs4 import BeautifulSoup
#BeautifulSoup是一个类
r = requests.get('http://python123.io/ws/demo.html')

# print(r.text)
demo = r.text
#解析demo的解释器
soup = BeautifulSoup(demo,'html.parser')

print(soup.a.next_sibling)
print(soup.a.next_sibling.next_sibling)
print(soup.a.previous_sibling)
print(soup.a.parent)

　　　　遍历后续节点：　　　　

for sibling in soup.a.next_siblings:
    print(sibling)

　　　　遍历前续节点：

for sibling in soup.a.previous_siblings:
    print(sibling)

　　　　

　　　　

 

转载于:https://www.cnblogs.com/fb1704011013/p/11110393.html