码迷,mamicode.com
首页 > Web开发 > 详细

基于bs4的网页游历

时间:2017-07-23 11:31:18      阅读:177      评论:0      收藏:0      [点我收藏+]

标签:page   parse   his   tor   list   一个   png   网页   port   

1. HTML的基本格式

<html>
 <head>
  <title>
   This is a python demo page
  </title>
 </head>
 <body>
  <p class="title">
   <b>
    The demo python introduces several python courses.
   </b>
  </p>
  <p class="course">
   Python is a wonderful general-purpose programming language. You can learn Python from novice to professional by tracking the following courses:
   <a class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1">
    Basic Python
   </a>
   and
   <a class="py2" href="http://www.icourse163.org/course/BIT-1001870001" id="link2">
    Advanced Python
   </a>

技术分享

1. 下行游历。

1.1 contents

import requests                     #
r = requests.get("http://python123.io/ws/demo.html")
demo = r.text

from bs4 import BeautifulSoup
soup = BeautifulSoup(demo,"html.parser")

print(soup.body.contents)      # 返回所有子节点的信息。。
print(soup.body.contents[1])   # 以列表的形势,因此可以进行列表的处理

技术分享
print(soup.p.contents) # 只返回标签的全部子第一个信息

技术分享

1.2 气死我了连续两次都没保存上。。。。。

children and descendants

print(soup.body.children)       # 仅循环                      # <list_iterator object at 0x01383D10>
print(soup.body.descendants)    # 仅循环                     # <generator object descendants at 0x024B42A0>

for i in soup.body.children:
    print(i)

for j in soup.body.descendants:
    print(j)

2.  上行游历

技术分享

2.1 parent

print(soup.a.parents)
技术分享
print(soup.p.parent)
技术分享

2.2 parents

for i in soup.p.parents:
    print(i.prettify())
技术分享

3. 平行游历(仅同一父亲节点下)

技术分享

基于bs4的网页游历

标签:page   parse   his   tor   list   一个   png   网页   port   

原文地址:http://www.cnblogs.com/hanbb/p/7223375.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!