Python爬虫常用知识笔记

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</>开头结尾
Name	标签的名字，格式为Tag.name，如p.name
Attributes	标签的属性，字典组织类型，格式为Tag.attrs
NavigableString	标签内非属性字符串，即<>和</>之间的字符串，格式为Tag.string
Comment	标签内字符串的注释部分，一种特殊的Comment类型

标签树的遍历

下行遍历

属性	说明
Tag.contents	子节点列表，将Tag的所有儿子节点存入列表
Tag.children	子节点迭代类型，用于循环遍历儿子节点
Tag.descendants	子孙节点迭代类型，用于循环遍历子孙节点

上行遍历

属性	说明
Tag.parant	节点的父亲类型
Tag.parents	节点先辈标签的迭代类型

平行遍历

属性	说明
Tag.next_sibling	节点的下一平行节点标签
Tag.next_siblings	迭代类型，后续所有的平行节点类型
Tag.previous_sibing	节点的前一平行节点标签
Tag.previous_sibings	迭代类型，之前所有的平行节点类型

** 注意 ：** 平行遍历只发生在同一父亲节点下的各节点之间

举例

for child in soup.body.children:
	print(child)

BeautifulSoup类的find方法