python学习爬虫（5）--BeautifulSoup遍历文档树：.contens, .children, .descendants等

原创

于 2019-03-28 11:40:15 发布 · 1.5k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#遍历文档树 #父节点 #子孙节点 #兄弟节点

本文详细介绍了如何使用BeautifulSoup遍历HTML文档树，包括获取元素、.contents、.children、.descendants、.string、.strings、.stripped_strings、父节点、兄弟节点以及解析对象的相关操作。通过示例代码展示了如何访问和操作这些属性，帮助理解BeautifulSoup在爬虫中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作者：IT小样
本篇主要介绍对BeautifulSoup的引用，以之前教程中的HTML为例：

html_doc = '''
<html><head><title>hello,tester</title></head><body>
<p class="title"><b><h1>Hello,welcome</h1></b></p>
<p class="documentation">Tester, welcome! This is a new partion of your job's life. With python, you can finnish your work easier and faster.How, <a href="http://example.com/easier" class="easier" id="link1"> easier </a> and <a href="http://example.com/faster" class="faster" id = "link2">faster</a> Now, you have a initial impression about python.</p>
<p class="documention">let's go!!!</p> 
</body></html>
'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc)

从上面的html_doc的定义来看，tag中包含子节点，那如何操作与遍历呢？