基于bs4库的HTML内容查找方法和HTML格式化和编码

• bs4库的prettify()方法：

              

• 将某一个标签打印：

             

•  对于中文的HTML代码，也可以直接打印：

              

基于bs4库的HTML内容查找方法

• <>.find_all(name,attrs,recursive,string,**kwargs)：返回一个列表类型，存储查找的结果
• name：对标签名称的检索字符串。

                

        其中的(import re)是导入正则表达式库。

• attrs：对标签属性值的检索字符串，可标注属性检索。

                

• recursive：是否对子孙全部检索，默认为Ture。

                

• string：<>...</>中字符串区域的检索字符串。

                

• find_all函数的简写形式：

1. <tag>(..)等价于<tag>.find_all(..)
2. soup(..)等价于soup.find_all(..)

• find_all函数的扩展方法：

1. <>.find()：搜索且只返回一个结果，字符串类型，同.find_all()参数
2. <>.find.parents()：在先辈节点中搜索，返回列表类型，同.find_all参数
3. <>.find.parent()：在先辈节点中返回一个结果，字符串类型，同.find_all()参数
4. <>.find_next_siblings()：在后续平行节点中搜索，返回列表类型，同.find_all()参数
5. <>.find.next_sibling ()：在后续平行节点中返回一个结果，字符串类型，同.find_all()参数
6. <>.find_previous_siblings()：在前序平行节点中搜索，返回列表类型，同.find_all()参数
7. <>.find_previous_sibling()：在前序平行节点中返回一个结果，字符串类型，同.find_all()参数

 

 

转载于:https://www.cnblogs.com/beiyin/p/9129515.html