BeautifulSoup库官方文档
<p class="title">...p>
<p>..p> :标签 Tag
p :名称 Name (成对出现)
class='title':属性 Attributes (0个或多个)
from bs4 import BeautifulSoup
soup1 = BeautifulSoup("data","html.parser")
soup2 = BeautifulSoup("open("D://demo.html")","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 lxml |
lxml的XML解析器 | BeautifulSoup(“mk”,“xml”) | pip install lxml |
html5lib的解析器 | BeautifulSoup(“mk”,“html5lib”) | pip install html5lib |
例:...
基本元素 | 说明 |
---|---|
Tag | 标签,最基本的信息组织单元,用<>和>标记开头和结尾 |
Name | 标签的名字, … 的名字是’p’,格式:.name |
Attributes | 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 |
from bs4 import BeautifulSoup
soup = BeautifulSoup(demo,"html.parser")
soup.title #获得标题
soup.a #格式:soup.,文档中存在多个相同,只返回第一个
soup.find_all('a') #找到文档中所有的标签
soup.get_text() #从文档中获取所有文字内容
#获取的名字,格式:.name,字符串类型
soup.a.name
soup.a.parent.name
soup.a.parent.parent.name
#一个可以有0或多个属性,字典类型
tag.attrs
tag.attrs['class']
#NavigableString类型可以跨越多个层次
soup.a.string #bs4.element.NavigableString类型
#Comment是一种特殊类型
newsoup = BeautifulSoup("This is not a comment
","html.parser")
newsoup.b.string #bs4.element.Comment类型
newsoup.p.string #bs4.element.NavigableString类型
属性 | 说明 |
---|---|
.contents | 子节点的列表,将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 |
soup = BeautifulSoup(demo, "html.parser")
soup.head #获取head
soup.head.contents #获取head的子节点列表
soup.body.contents #获取body的子节点列表
len(soup.body.contents) #获取body的子节点列表长度
soup.body.contents[1]
#下行遍历儿子节点
for child in soup.body.children:
print(child)
#下行遍历子孙节点
for child in soup.body.descendants:
print(children)
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 |
#遍历所有先辈节点,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)
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文本顺序的后续平行节点标签 |
.previous_siblings | 迭代类型,返回按照HTML文本顺序的前续平行节点标签 |
#遍历后续节点
for sibling in soup.a.next_sibling:
print(sibling)
#遍历前续节点
for sibling in soup.a.previous_sibling:
print(sibling)
#美化输出
#.prettify()为HTML文本<>及其内容增加了'\n'
soup.prettify()
#.prettify()可用于标签
soup.a.prettify()
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文本顺序的后续平行节点标签 |
| .previous_siblings | 迭代类型,返回按照HTML文本顺序的前续平行节点标签 |
[外链图片转存中…(img-mxfhEfda-1586863050051)]
#遍历后续节点
for sibling in soup.a.next_sibling:
print(sibling)
#遍历前续节点
for sibling in soup.a.previous_sibling:
print(sibling)
#美化输出
#.prettify()为HTML文本<>及其内容增加了'\n'
soup.prettify()
#.prettify()可用于标签
soup.a.prettify()