只要你提供的信息是标签,就可以很好的解析
怎么使用BeautifulSoup库?
from bs4 import BeautifulSoup
soup=BeautifulSoup('
data
','html.parser')
例如:
import requests
r=requests.get("http://python123.io/ws/demo.html")
r.text
demo=r.text
from bs4 import BeautifulSoup
soup=BeautifulSoup(demo,"html.parser")
print(soup.prettify())
BeautifulSoup类的基本元素
基本元素
说明
Tag
标签,最基本的信息组织单元,分别用<>和>标明开头和结尾
Name
标签的名字,
...
的名字是'p',格式:.nameAttributes
标签的属性,字典形式组织,格式:.attrs
NavigableString
标签内非属性字符串,<>...>中字符串,格式:.string
Comment
标签内字符串的注释部分,一种特殊的Comment类型
用法
tag=soup.a
tag.attrs
tag.attrs['class']
tag.string //标签内容
标签树的下行遍历
属性
说明
.contents
子节点的列表,将所有的儿子节点存入列表
.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
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.descendants:
print(child)
标签树的上行遍历
属性
说明
.parent
节点的父亲标签
.parents
节点的先辈标签的迭代类型,用于循环遍历先辈节点
标签树的上行遍历代码(对a标签所有先辈标签的名字进行打印):
soup=BeautifulSoup(demo,"html.parser")
for parent in soup.a.parents:
if parent is None:
print(parent)
else:
print(parent.name)
标签树的平行遍历
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
平行遍历条件:平行遍历发生在同一个父节点下的各节点间
平行遍历的节点不一定是标签类型,可能是...String
迭代类型只能用在for in结构中
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)
prettify()方法
可以很好的对每个标签添加换行符,使结构清晰
soup=BeautifulSoup("
中文
","html.parser")soup.p.string
print(soup.p.prettify())