一个html文档有几个标签树,Beautiful Soup库入门(标签树、基本元素、遍历、输出)...

本文为北理嵩天老师《Python网络爬虫与信息提取》学习笔记。

本文含有以下内容：

一、BeautifulSoup库、html文档、标签树三者间关系

二、使用Beautiful Soup库最基本的语句：

三、BeautifulSoup类的基本元素

四、HTML树形结构有三种遍历方法：

五、基于bs4库的HTML格式输出

Beautiful Soup库能够对提供给它的任何格式进行爬取，并且进行属性解析。在爬虫中，常被用来解析html和xml页面。

一、BeautifulSoup库、html文档、标签树三者间关系

Beautiful Soup库是解析、遍历、维护“标签树”的功能库。

一个html文档是由标签树构成的，下面两张图分别是链接https://python123.io/ws/demo.html对应的html页面和网页源码：

该网页源码所对应的标签树如下图：

通常认为html文档、标签树、BeautifulSoup类、三者是等价的关系。

二、使用Beautiful Soup库最基本的语句：

import requests

from bs4 import BeautifulSoup #(从bs4库导入BeautifulSoup类

url="https://python123.io/ws/demo.html"

r=requests.get(url)

demo=r.text

soup=Beaut