基于bs4的HTML内容遍历方法

1.HTML基本格式

 

2.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.content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)             

 

3.标签树的上行遍历

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

 

4.标签树的平行遍历

属性                      说明

.net_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