HTML内容的遍历
标签树的下行遍历
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
from bs4 import BeautifulSoup
>>> soup = BeautifulSoup(demo,'html.parser')
>>> soup.head #查看head标签内容
<head><title>This is a python demo page</title></head>
>>> soup.head.contents #查看head标签的子节点
[<title>This is a python demo page</title>]
>>> soup.body.contents #查看body标签的子节点
>>> len(soup.body.contents) #计算body子节点的个数
>>> soup.body.contents[5] #查看第5个子节点标签的内容
在这里插入代码片
标签树的下行遍历
for child in soup.body.children:
print(child) #遍历儿子节点
for child in soup.body.descendants:
print(child) #遍历子孙节点
在这里插入代码片
标签书的上行遍历
属性 | 说明 |
---|---|
.parent | 节点的父亲节点 |
.parents | 节点先辈标签的迭代类型,用于循环遍历先辈节点 |
>>> soup = BeautifulSoup(demo,'html.parser')
>>> soup.title.parent #查看title标签的父节点
>>> soup.html.parent #查看html标签的父节点,html为最高级标签,父节点是自己
>>> soup.parent #soup的父节点为空
在这里插入代码片
标签书的上行遍历
# 遍历a标签的所有先辈节点,包括soup本身,所以要区别判断
>>> soup = BeautifulSoup(demo,'html.parser')
>>> for parent in soup.a.parents:
if parent is None:
print(parent)
else:
print(parent.name)
在这里插入代码片
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_sibilings | 返回按照HTML文本顺序的前序所有平行节点标签 |
平行遍历发生在同一个父节点下的各节点间
>>>soup.a.next_sibling.next_sibling #a标签的下一个节点标签的下一个节点标签
在这里插入代码片
标签树的平行遍历
for sibiling in soup.a.next_sibling:
print(sibling) #遍历后续节点
for sibiling in soup.a.previous_sibiling
print(sibling) #遍历前序节点
在这里插入代码片
HTML格式的输出
能否让HTML内容更加友好的显示?
bs4库的prettify()方法
.prettify()为HTML文本<>及其内容增加\n(换行符)
.prettify()可用于标签,方法
bs4库的编码
bs4库将任何HTML输入都变成utf-8,Python 3.x默认支持编码utf-8,解析无障碍