from bs4 import BeautifulSoup
html = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</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)
#打印一下 soup 对象的内容，格式化输出
print(soup.prettify())
#===================================
#（1）Tag
#获取标签内容
#soap+标签 查找的是在所有内容中的第一个符合要求的标签
print(soup.title)
#<title>The Dormouse's story</title>
print(soup.head)
print(soup.a)
print(soup.p)
#<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
#验证对象类型
print(type(soup.a))
##<class 'bs4.element.Tag'>
#把 p 标签的所有属性打印输出了出来
print(soup.p.attrs)
# {'class': ['title'], 'name': 'dromouse'}
#Tag的name属性
print(soup.name)
print(soup.head.name)
#[document]
#head
#单独获取某个属性
print(soup.p['class'])
#['title']
print(soup.p.get('class'))
#['title']
#更改或新增属性内容
soup.p['class']="newClass"
print(soup.p)
#<p class="newClass" name="dromouse"><b>The Dormouse's story</b></p>
#删除属性
del soup.p['class']
print(soup.p)
#<p name="dromouse"><b>The Dormouse's story</b></p>
#=============================
#（2）NavigableString
#获取标签内容
print(soup.p.string)
#The Dormouse's story
print(soup.a.string)
#Elsie
#标签内容类型
print(type(soup.p.string))
##<class 'bs4.element.NavigableString'>
#=============================
#（3）BeautifulSoup
#BeautifulSoup 对象表示的是一个文档的全部内容.大部分时候,可以把它当作 Tag 对象，是一个特殊的 Tag，我们可以分别获取它的类型，名称，以及属性来感受一下
print(type(soup.name))
#<type 'unicode'>
print(soup.name)
# [document]
print(soup.attrs)
#{} 空字典
#=============================
#（4）Comment
#Comment 对象是一个特殊类型的 NavigableString 对象，其实输出的内容仍然不包括注释符号
print(soup.a)
#<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>
print(soup.a.string)
#Elsie
print(type(soup.a.string))
#<class 'bs4.element.Comment'>
遍历文档树
from bs4 import BeautifulSoup
html = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</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)
print("==========================================")
#遍历文档树
#（1）直接子节点.contents .children
#.contents 和 .children 属性仅包含tag的直接子节点
print(soup.head.contents)
#[<title>The Dormouse's story</title>]
print(soup.head.contents[0] )
#<title>The Dormouse's story</title>
print(soup.head.contents[0].string )
#The Dormouse's story
print(soup.head.children)
#<listiterator object at 0x7f71457f5710>
for child in soup.head.children:
print(child)
#<title>The Dormouse's story</title>
print("=======================1")
for child in soup.p.children:
print(child)
#<b>The Dormouse's story</b>
print("=======================2")
for child in soup.body.children:
print(child)
print("==========================================")
#（2）所有子孙节点.descendants
for child in soup.descendants:
print(child)
#（3）节点内容：.string 属性
#如果一个标签里面没有标签了，那么 .string 就会返回标签里面的内容。如果标签里面只有唯一的一个标签了，那么 .string 也会返回最里面的内容。
print(soup.head.string)
#The Dormouse's story
print(soup.title.string)
#The Dormouse's story
#如果tag包含了多个子节点,tag就无法确定，string 方法应该调用哪个子节点的内容, .string 的输出结果是 None
print(soup.html.string)
# None
#（4）多个内容 .strings .stripped_strings 属性
#for string in soup.strings:
# print(repr(string))
#输出的字符串中可能包含了很多空格或空行,使用 .stripped_strings 可以去除多余空白内容
for string in soup.stripped_strings:
print(repr(string))
#（5）父节点 .parent 属性
p = soup.p
print(p.parent.name)
#body
print(soup.title.parent.name )
#head
#（6）全部父节点 .parents
content = soup.head.title.string
for parent in content.parents:
print(parent.name)
#title
#head
#html
#[document]
#（7）兄弟节点
#知识点：.next_sibling .previous_sibling 属性
#兄弟节点可以理解为和本节点处在统一级的节点，.next_sibling 属性获取了该节点的下一个兄弟节点，.previous_sibling 则与之相反，如果节点不存在，则返回 None
#注意：实际文档中的tag的 .next_sibling 和 .previous_sibling 属性通常是字符串或空白，因为空白或者换行也可以被视作一个节点，所以得到的结果可能是空白或者换行
print soup.p.next_sibling
# 实际该处为空白
print soup.p.prev_sibling
#None 没有前一个兄弟节点，返回 None
print soup.p.next_sibling.next_sibling
#<p class="story">Once upon a time there were three little sisters; and their names were
#<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>,
#<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a> and
#<a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>;
#and they lived at the bottom of a well.</p>
#（8）全部兄弟节点
#知识点：.next_siblings .previous_siblings 属性
for sibling in soup.a.next_siblings:
print(repr(sibling))
#（9）前后节点
#知识点：.next_element .previous_element 属性
#与 .next_sibling .previous_sibling 不同，它并不是针对于兄弟节点，而是在所有节点，不分层次
#<head><title>The Dormouse's story</title></head>
#那么它的下一个节点便是 title，它是不分层次关系的
print(soup.head.next_element)
#<title>The Dormouse's story</title>
#（10）所有前后节点
#知识点：.next_elements .previous_elements 属性
for element in last_a_tag.next_elements:
print(repr(element))
。。
相关推荐
**标签“爬虫”和“python”** 提示了Beautiful Soup在数据抓取领域的应用，它常与请求库如`requests`配合，首先发送HTTP请求获取网页HTML，然后使用Beautiful Soup解析返回的HTML内容。 综上所述，Beautiful Soup...
Python 爬虫入门教程之 Beautiful Soup 解析 本教程主要讲解 Python 爬虫入门知识，通过 Beautiful Soup 解析网页，抓取中国旅游网首页信息，了解网页结构，使用 requests 库抓取网站数据，并进行数据清洗和组织。 ...
总的来说，Beautiful Soup作为Python爬虫开发的重要工具，以其简洁的API和强大的解析能力，极大地简化了数据提取的过程。通过熟练掌握Beautiful Soup的使用，你将能更好地应对各种复杂的网页结构，高效地实现你的...
Beautiful Soup主要应用于爬虫开发中，用于解析HTML页面，从中提取数据，如爬取网站上的新闻、商品信息、图片等内容，以及对数据进行分析、挖掘、可视化等处理。同时，也可以用Beautiful Soup来处理XML文档，如解析...
**Python使用Beautiful Soup爬虫教程** Beautiful Soup是一个强大的Python库，专门用于从HTML和XML文档中提取数据。它提供了一种简单易用的接口，帮助开发者解析和导航复杂的网页结构。在本教程中，我们将深入探讨...
python爬虫模块Beautiful Soup简介 简单来说，Beautiful Soup是python的一个库，最主要的功能是从网页抓取数据。官方解释如下： Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能...
在实际网络爬虫项目中，我们通常会结合其他库如`requests`来获取网页内容，再用Beautiful Soup解析。例如，`requests.get()`可以用来发送HTTP请求，获取HTML页面： ```python import requests response = requests...
Beautiful Soup库能够兼容多种HTML和XML解析器，包括Python标准库中的`html.parser`，以及第三方库如`lxml`和`html5lib`。这些解析器能够根据不同的需求和偏好来处理文档内容。 安装Beautiful Soup的过程非常简单，...
5. **信息的标记形式** - **XML**：扩展标记语言，用于结构化数据，支持注释。 - **JSON**：JavaScript对象表示法，类似于Python的字典，没有注释。 - **YAML**：一种轻量级的数据序列化语言，没有严格的类型系统...
5. 存储和处理数据： 最后，我们可能需要将这些数据保存到CSV、JSON或其他格式的文件中，以便后续分析。例如，使用pandas库可以方便地实现这一点： ```python import pandas as pd data = { '电影名称': movie_...
【Python爬虫数据抽取(二)：解析库Beautiful Soup 4】 在Python的网络爬虫领域，BeautifulSoup是一个不可或缺的工具，它是一个用于解析HTML和XML文档的库，特别适合于数据抽取。BeautifulSoup 4（简称bs4）提供了...
Beautiful Soup是一个强大的Python库，专门用于解析和处理HTML和XML文档。它是爬虫程序员和网页开发者的好帮手，能够从复杂的文档中提取数据，使得解析网页内容变得更加轻松和高效。 1. BeautifulSoup的主要功能与...
**Python爬虫与Beautiful Soup库入门** Beautiful Soup是Python中常用的HTML和XML解析库，它提供了简单的导航、搜索和修改解析树的接口，是进行网页抓取和数据提取的得力工具。本篇将详细介绍Beautiful Soup库的...
要想学好爬虫，必须把基础打扎实，之前发布了两篇文章，分别是使用XPATH和requests爬取网页，今天的文章是学习Beautiful Soup并通过一个例子来实现如何使用Beautiful Soup爬取网页。 什么是Beautiful Soup ...
Beautifulsoup4 是一个强大的Python爬虫web解析库，可以用来对get到的网页进行解析。
常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据，如文本、图片、链接等。 数据存储： 爬虫将提取的数据存储到数据库、文件或其他存储介质中，以备后续分析或展示。常用...
5. Jupyter Notebook：Jupyter Notebook是一个交互式的计算环境，允许用户结合代码、文本、图像和数学公式进行数据分析和报告编写。在这个项目中，我们可能使用Jupyter Notebook来编写和测试爬虫代码，同时展示和...