python笔记-Beautiful Soup库

最新推荐文章于 2024-05-25 15:17:05 发布

有槑有

最新推荐文章于 2024-05-25 15:17:05 发布

阅读量264

点赞数

版权

from bs4 import BeautifulSoup  
# 或者
import bs4

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,‘lx,ml’)	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

html文档 <–> 标签数 <–> BeautifulSoup类

from bs4 import BeautifulSoup
soup = BeautifulSoup("<html>data</html>", "html.parser")
soup2 = BeautifulSoup(open("D://demo.html"),"html.parser")

BeautifulSoup对应一个HTML/XML文档的全部内容。

基本元素	说明
Tag	标签，最基本的信息组织单元，分别用<>和</>标明开头和结尾
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

在这里插入图片描述
例如：爬取中国大学慕课网

标签数的下行遍历

属性	说明
.contents	子节点的列表，将所有儿子节点放入列表
.children	子节点的迭代类型，与.contents类似，用于循环遍历儿子节点
.desscendants	子孙节点的迭代类型，包含所有子孙节点，用于循环遍历

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

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_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