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。