概要
遍历文档树：即直接通过标签名字选择，特点是选择速度快，但如果存在多个相同的标签则只返回第一个 #1、用法 #2、获取标签的名称 #3、获取标签的属性 #4、获取标签的内容 #5、嵌套选择 #6、子节点、子孙节点 #7、父节点、祖先节点 #8、兄弟节点 总结： -soup.body.p -取属性 soup.body.p.attrs 或者 soup.body.p['name'] -取文本soup.body.p.text 把子子孙孙的文本拼到一起 -取文本soup.body.p.string 只取当前p标签的文本，如果还有子标签，取出None -取文本soup.body.p.strings 取出子子孙孙标签的文本，放到一个生成器中
代码
#pip3 install beautifulsoup4
from bs4 import BeautifulSoup html_doc = """ <html><head><title>The Dormouse's story</title></head> <body> <p class="title" id='id_pp' name='lqz'>asdfasdf<b>asdfas</b></p> <p class="story">Once upon a time there were three little sisters; and their names were <a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>, <a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p> <p class="story">...</p> """ soup=BeautifulSoup(html_doc,'lxml') # 遍历文档树(速度快) #1、用法 # head=soup.head # print(head) # print(type(head)) # p=soup.body.p # p=soup.p # print(p) #2、获取标签的名称 # p=soup.p.name # 对象.name 取到标签的名字 # print(p) #3、获取标签的属性 # p=soup.p['class'] # class 是列表，可以有多个 # name=soup.p['name'] # attr=soup.p.attrs # 所有属性放到字典中 # print(attr) #4、获取标签的内容 # t=soup.p.text # 把p标签文本+子标签文本都拿出来 # print(soup.p.string) # p下的文本只有一个时，取到，否则为None # print(soup.p.strings) #拿到一个生成器对象, 取到p下所有的文本内容 # print(list(soup.p.strings)) #拿到一个生成器对象, 取到p下所有的文本内容 #5、嵌套选择 # b=soup.body.p.b # print(b) #6、子节点、子孙节点 # print(soup.p.contents) #p下所有子节点 # print(soup.p.children) #得到一个迭代器,包含p下所有子节点 # print(list(soup.p.children)) #得到一个迭代器,包含p下所有子节点 # # for i,child in enumerate(soup.p.children): # print(i,child) # # print(soup.p.descendants) #获取子孙节点,p下所有的标签都会选择出来 # for i,child in enumerate(soup.p.descendants): # print(i,child) #7、父节点、祖先节点 # print(soup.a.parent) #获取a标签的父节点 # print(soup.a.parents) #找到a标签所有的祖先节点，父亲的父亲，父亲的父亲的父亲... # print(list(soup.a.parents)) #找到a标签所有的祖先节点，父亲的父亲，父亲的父亲的父亲... #8、兄弟节点 # print(soup.a.next_sibling) #下一个兄弟 # print(soup.a.previous_sibling) #上一个兄弟 # # print(list(soup.a.next_siblings)) #下面的兄弟们=>生成器对象 # print(list(soup.a.previous_siblings)) #上面的兄弟们=>生成器对象
