PYTHON网络爬虫与信息提取[BeautifulSoup](单元四)
1 简介
from bs4 import BeautifulSoup
soup=BeautifulSoup(<p>data</p>,'html.parser')
2 基本元素
解析，遍历，维护，标签树的库
<p class="title"> ...</p> tag对
名称 (属性 attributes)
beautifulsoup 或bs4
from bs4 import BeautifulSoup
import bs4
beautifulSoup 雷
html--------标签树（字符串）转换为beautifulsoup类
from bs4 import BeautifulSoup
soup=
注：解析器（4种）
html.parser 安装bs4库
lxml pip install lxml
xml 同上
html5lib pipinstall html5lib
beautiful 类的基本元素
Tag 标签 尖括号开头结尾
Name 格式:<tag>.name <p>的名字是 ''p''
Attributes 标签的属性，字典形式组织 <tag>.attrs
NavigableString 标签内非属性字符串 表示尖括号之间的内容
soup.a.string 就可以了
Comment 标签内字符串的注释部分
用string 也可以得出这个类型
3 标签树的遍历
.contents 获得子节点的列表
.children 获得子节点的迭代形式
.descendants 获得子孙的迭代形式
儿子节点不管包括标签 还包括\n
soup.body.contents
.parent 节点的父亲标签
.parnets 节点的先辈形式迭代版的
平行遍历（返回按照html文本顺序的节点标签）
平行遍历时实在同一个父标签下的遍历
.next_sibling
.previous_sibling
.next_siblings 迭代版
.next_previous_siblings 迭代版
4 基于bs4显示html的内容
from bs4 import BeautifulSoup
soup=BeautifulSoup(demo,"html.parser") //加载解析器的语句
soup.prettify() //soup 是 BeautifulSoup类型 用以解析html 或者遍历html
"prettify()方法非常好用"
#增加换行符
print(soup.prettify（）)
最新文章
- ABP源码分析十三：缓存Cache实现
- Bootstrap之栅格系统
- J2EE,J2SE,J2ME,JDK,SDK,JRE,JVM区别
- maven web启动报错java.lang.ClassNotFoundException: org.springframework.web.util.Log4jConfigListener
- GitHub上排名前100的iOS开源库介绍（来自github）
- String对象的方法
- ECMAScript5下Array的方法
- zend studio 10破解/汉化(转发)
- （转）Make命令简介与使用
- 防止跨域（jsonp详解）
- AFNetworking网络请求的get和post步骤
- Unity3d之MiniJson与LitJson之间的较量
- （七）第一个python程序！
- 【canvas系列】canvas实现“ 简单的Amaziograph效果”--画对称图
- java多线程系列(六)---线程池原理及其使用
- yum仓库管理
- lr11录制脚本出现中文乱码
- C简单实现动态顺序表
- 吴恩达机器学习笔记48-降维目标：数据压缩与可视化（Motivation of Dimensionality Reduction : Data Compression & Visualization）
- mui 打开外网链接返回的正姿势！