Beuatiful Soup
bs类对应一个HTML/xml文档的全部内容
from bs4 import BeautifulSoup
import bs4
soup=BeautifulSoup('<p>data</p>','html.parser')
soup2 = BeautifulSoup(open(1.html),"html.parser")
BS解析器
| 解析器 | 使用方法 | 条件 |
|---|---|---|
| bs4de的html解析器 | BeautifulSoup(mk,’html.parser’) | 安装bs4 |
| 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 |
BS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<>和开头和结尾.<tag>(只列出第一个满足条件的元素) |
| Name | 标签的名字，格式：<tag>.name |
| Attrbutes | 标签的属性,格式：<tag>.attrs |
| NavigableString | 标签内非属性字符串,<tag>.string |
| Comment | 标签内字符串的注释部分,一种特殊的Comment类型 |
基于bs4库的html内容遍历方法
下行便利
| 属性 | 说明 |
|---|---|
| .contents | 子节点的列表，将<tag>所有的儿子节点存入列表 |
| .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，包含所有的子孙节点，用于循环遍历 |
上行遍历
| 属性 | 说明 |
|---|---|
| .parent | 节点的父亲标签 |
| .parents | 节点的先辈标签的迭代类型，用于循环遍历先辈节点 |
平行遍历
平行遍历发生在同一个父节点下
满足平行条件的不仅是标签，还可能有NavigableString类型
| 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_silings | 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 |
给予bs4库的html格式输出
如何让html内容，更加有好的显示
prettify()
对内容html文本内容进行美化
能为html文本的标签以及内容增加换行符，也可以对每一个标签进行相关的处理。