Python爬蟲系列(五):分析HTML結(jié)構(gòu)

今晚瓤球,被煩死了。9點多才下班敏弃,就想回來看書學(xué)習(xí)卦羡,結(jié)果被嘮叨嘮叨個小時,我不斷喊不要和我聊天了麦到,還反復(fù)說绿饵。我只想安安靜靜看看書,學(xué)習(xí)學(xué)習(xí)瓶颠,全世界都不要打擾我

接著上一個討論拟赊,我們今晚要分析HTML結(jié)構(gòu)了

1.獲取元素


from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, "lxml")

# 直接訪問head元素

print(soup.head)

# 多個a元素只會返回第一個

print(soup.a)

# 通過層級獲取 注意:上面沒有body,soup會自動補全

print(soup.body.p)

# 獲取所有a粹淋,返回a的數(shù)組

print(soup.find_all('a'))

2.獲取內(nèi)容和子元素

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, "lxml")

head_tag = soup.head

# 通過列表輸出文檔元素

print(head_tag.contents)

title_tag = head_tag.contents[1]

print('---------------------------')

print(title_tag)

print('---------------------------')

print(title_tag.contents)

print('---------------------------')

# BeautifulSoup 對象本身一定會包含子節(jié)點,也就是說標(biāo)簽也是 BeautifulSoup 對象的子節(jié)點:

print(len(soup.contents))

print(soup.contents[0].name)

print('---------------------------')

# 通過tag的 .children 生成器,可以對tag的子節(jié)點進行循環(huán)

#title_tag.children是The Dormouse's story

for child in title_tag.children:

print(child)

# 字符串沒有 .contents 屬性,因為字符串沒有子節(jié)點:

print('---------------------------')

text = title_tag.contents[0]

print(text.contents) #直接報錯 :AttributeError: 'NavigableString' object has no attribute 'contents'

3.跨級獲取子節(jié)點

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, "lxml")

head_tag = soup.head

# 遞歸獲取所有子節(jié)點

for child in head_tag.descendants:

print('-----------------------')

print(child)

# 直接子節(jié)點

print(len(list(soup.children)))

# 跨級子節(jié)點:包括換行符 都算成了子節(jié)點吸祟。在使用的過程中,一定要注意判空

print(len(list(soup.descendants)))

4.string字符串

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, "lxml")

head_tag = soup.head

# title_tag.string是title標(biāo)簽的子節(jié)點廓啊。即便是純粹的string 這個就是 NavigableString

# print(title_tag.string)

# 如果一個tag僅有一個子節(jié)點,那么這個tag也可以使用 .string 方法,輸出結(jié)果與當(dāng)前唯一子節(jié)點的 .string 結(jié)果相同:

print(head_tag.contents)

# 如果tag包含了多個子節(jié)點,tag就無法確定 .string 方法應(yīng)該調(diào)用哪個子節(jié)點的內(nèi)容, .string 的輸出結(jié)果是 None :

print(soup.html.string)

5.遍歷字符串和去除空白字符

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, "lxml")

# 如果tag中包含多個字符串 [2] ,可以使用 .strings 來循環(huán)獲取:

# for string in soup.strings:

# print(repr(string))

# 輸出的字符串中可能包含了很多空格或空行, 使用.stripped_strings

# 可以去除多余空白內(nèi)容:

for string in soup.stripped_strings:

print(repr(string))

去除空白字符

6.父節(jié)點

每個節(jié)點都有自己的父節(jié)點欢搜。除了第一個

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, "lxml")

title_tag = soup.title

print('1.-------------------')

print(title_tag)

print('2.-------------------')

print(title_tag.parent)

print('3.-------------------')

# 文檔title的字符串也有父節(jié)點:標(biāo)簽

print(title_tag.string.parent)

print('4.-------------------')

# 文檔的頂層節(jié)點比如的父節(jié)點是 BeautifulSoup 對象:

html_tag = soup.html

print(type(html_tag.parent))

print('5.-------------------')

# BeautifulSoup 對象的 .parent 是None:

print(soup.parent)

遍歷所有父節(jié)點:

soup = BeautifulSoup(html_doc, "lxml")

link = soup.a

for parent in link.parents:

if parent is None:

print(parent)

else:

print(parent.name)

7.兄弟節(jié)點

同一個級別的節(jié)點查找

sibling_soup = BeautifulSoup("text1text2", "lxml")

# b后面一個兄弟節(jié)點

print(sibling_soup.b.next_sibling)

# c前面一個兄弟節(jié)點

print(sibling_soup.c.previous_sibling)

# 同一節(jié)點沒有前一個

print(sibling_soup.b.previous_sibling)

# 同一節(jié)點沒有最后一個

print(sibling_soup.c.next_sibling)

獲取前后所有的兄弟節(jié)點

注意:這些節(jié)點包括字符串和符號

soup = BeautifulSoup(html_doc, "lxml")

for sibling in soup.a.next_siblings:

print('--------------------------')

print(repr(sibling))

for sibling in soup.find(id="link3").previous_siblings:

print('******************************')

print(repr(sibling))

8.回退和前進

注意看next_sibling和next_element的差別

soup = BeautifulSoup(html_doc, "lxml")

last_a_tag = soup.find("a", id="link3")

# 是指link3之后的內(nèi)容

print(last_a_tag.next_sibling)

print('----------------------')

# 是指link3內(nèi)部之后的內(nèi)容

print(last_a_tag.next_element)

print(last_a_tag.next_element.next_element)

soup = BeautifulSoup(html_doc, "lxml")

last_a_tag = soup.find("a", id="link3")

#next_elements和previous_elements 會訪問當(dāng)前節(jié)點內(nèi)部往后和外部往后的所有內(nèi)容。內(nèi)部往后優(yōu)先

for element in last_a_tag.next_elements:

print(repr(element))

還有一節(jié)谴轮,培訓(xùn)新手的文檔就結(jié)束了炒瘟。真心希望同學(xué)們要好好學(xué)習(xí),不然我白講第步。 不下班回家陪我的小公舉疮装,卻來義務(wù)教你寫代碼,而且是從零開始手把手教粘都。兄弟們要加油啊

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末廓推,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子翩隧,更是在濱河造成了極大的恐慌樊展,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異专缠,居然都是意外死亡雷酪,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進店門涝婉,熙熙樓的掌柜王于貴愁眉苦臉地迎上來哥力,“玉大人,你說我怎么就攤上這事墩弯》园希” “怎么了?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵渔工,是天一觀的道長锌钮。 經(jīng)常有香客問我,道長涨缚,這世上最難降的妖魔是什么轧粟? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮脓魏,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘通惫。我一直安慰自己茂翔,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布履腋。 她就那樣靜靜地躺著珊燎,像睡著了一般。 火紅的嫁衣襯著肌膚如雪遵湖。 梳的紋絲不亂的頭發(fā)上悔政,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天,我揣著相機與錄音延旧,去河邊找鬼谋国。 笑死,一個胖子當(dāng)著我的面吹牛迁沫,可吹牛的內(nèi)容都是我干的芦瘾。 我是一名探鬼主播,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼集畅,長吁一口氣:“原來是場噩夢啊……” “哼近弟!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起挺智,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤祷愉,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體二鳄,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡迫摔,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,533評論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了泥从。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片句占。...
    茶點故事閱讀 39,690評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖躯嫉,靈堂內(nèi)的尸體忽然破棺而出纱烘,到底是詐尸還是另有隱情,我是刑警寧澤祈餐,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布擂啥,位于F島的核電站,受9級特大地震影響帆阳,放射性物質(zhì)發(fā)生泄漏哺壶。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一蜒谤、第九天 我趴在偏房一處隱蔽的房頂上張望山宾。 院中可真熱鬧,春花似錦鳍徽、人聲如沸资锰。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽绷杜。三九已至,卻和暖如春濒募,著一層夾襖步出監(jiān)牢的瞬間鞭盟,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工瑰剃, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留齿诉,地道東北人。 一個月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓培他,卻偏偏與公主長得像鹃两,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,577評論 2 353

推薦閱讀更多精彩內(nèi)容