beautifulsoup_Beautiful Soup 库（知识点总结）

欢迎来到子奇的小屋

一起来看看Beautiful Soup 库的用法吧 ！

原文链接​mp.weixin.qq.com

Beautiful Soup库的理解

• 平时我们都要浏览网页，我们知道，网页信息即存储在web服务器网站中的文件夹数据，数据以二进制的形式存储在HTML中，HTML可以看成是用标签封装的“标签树”。
• Beautiful Soup库便是解析、遍历、维护“标签树”的功能库。

Beautiful Soup库的引用

• Beautiful Soup库，也叫beautifulsoup4或 bs4约定引用方式如下：
• from bs4 import BeautifulSoup
• import bs4

• BeautifulSoup 对应一个HTML/XML文档的全部内容

Beautiful Soup库解析器

• soup = BeautifulSoup('data'，'html.parser')

解析器使用方法条件bs4的HTML解析器BeautifulSoup(mk,'html.parser')安装bs4库lxml的HTML解析器BeautifulSoup(mk,'lxml')pip install lxmllxml的XML解析器BeautifulSoup(mk,'xml')pip install lxmlhtml5lib的解析器BeautifulSoup(mk,'html5lib')pip install html5libBeautifulSoup类的基本元素

• Tag 标签
• 最基本的信息组织单元，分别用<>和</> 标明开头和结尾
• 任何存在于HTML语法中的标签都可以用soup.<tag>访问获得 ,当HTML文档中存在多个相同对应内容时，soup.<tag>返回第一个

• Tag的name
• 标签的名字，<p>...</p>的名字是'p'，格式：<tag>.name
• 每个<tag>都有自己的名字，通过<tag>.name获取，字符串类型

• Tag的attrs（属性）
• 标签的属性，字典形式组织，格式：<tag>.attrs
• 一个<tag>可以有0或多个属性，字典类型

• Tag的NavigableString
• 标签内非属性字符串，<>…</>中字符串，格式：<tag>.string
• NavigableString可以跨越多个层次

• Tag的Comment
• 标签内字符串的注释部分，一种特殊的Comment类型
• Comment是一种特殊类型

基于bs4库的HTML内容遍历方法

• 下行遍历

属性说明.contents子节点的列表，将<tag>所有儿子节点存入列表.children 子节点的迭代类型，与.contents类似，用于循环遍历儿子节点.descendants 子孙节点的迭代类型，包含所有子孙节点，用于循环遍历

BeautifulSoup类型是标签树的根节点

• 上行遍历

属性说明.parent 节点的父亲标签.parents 节点先辈标签的迭代类型，用于循环遍历先辈节点

• 平行遍历

属性 说明.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基于bs4库的HTML格式输出

• bs4库的prettify()方法
• .prettify()为HTML文本<>及其内容增加
• .prettify()可用于标签，方法：<tag>.prettify()'n'