1 | import requests |
BeautifulSoup库解析器
| 解析器 | 使用方法 | 条件 |
|---|---|---|
| bs4的HTML解析器 | beautiful(mk,“html.parser”) | 安装bs4库 |
| lxml的HTML解析器 | BeautifulSoup(mk,“lxml”) | 安装lxml库 |
| lxml的xml解析器 | BeautifulSoup(mk,“xml”) | 安装lxml库 |
| html5lib的解析器 | BeautifulSoup(mk,“html5lib”) | 安装html5lib库 |
BeautifulSoup库的基本元素
| 基本元素 | 说明 |
|---|---|
| Tag | 标签,最基本的信息组织单元,分别用<></>标明开头和结尾 |
| Name | 标签的名字,<p>...</p>的名字是‘p’,格式:<tag>.name |
| Attributes | 标签的属性,字典形式组织,格式:<tag>.attrs |
| NavigableString | 标签内非属性字符串,<>…</>中字符串,格式:<tag>.string |
| Comment | 标签内字符串的注释部分,一种特殊的Comment类型 |
![]() |
|
![]() |
1 | # Tag的Comment元素 |

- BeautifulSoup对应一个HTML/XML文档的全部内容
- 任何存在于HTMl语法中的标签都可以用
soup.<tag>访问获得,当HTML文档中存在多个相同<tag>对应内容时,soup.<tag>返回第一个 - 每个
<tag>都有自己的名字,通过<tag>.name获取,字符串类型 - 一个
<tag>可以有0或多个属性,字典类型 - NavigableString可以跨越多个层次
基于bs4库的HTML内容遍历方法


标签数的下行遍历
| 属性 | 说明 |
|---|---|
| .contents | 子节点的列表,将 |
| .children | 子节点的迭代类型,于.contents类似,用于循环遍历儿子节点 |
| .descendants | 子孙节点的迭代类型,包含所有子孙节点,用于循环遍历 |
![]() |
|
![]() |
1 | # 标签树的下行遍历 |
标签树的上行遍历
| 属性 | 说明 |
|---|---|
| .parent | 节点的父亲标签 |
| .parents | 节点先辈标签的的迭代类型,用于循环遍历先辈节点 |
1 | # 标签树的上行遍历 |

标签树的平行遍历
平行遍历发生在同一个父节点下的各节点之间
| 属性 | 说明 |
|---|---|
| .next_sibling | 返回按照HTML文本顺序的下一个平行节点标签 |
| .previous_sibling | 返回按照HTML文本顺序的上一个平行节点标签 |
| .next_siblings | 迭代类型,返回按照HTML文本顺序的后续所有平行节点标签 |
| .previous_siblings | 迭代类型,返回按照HTML文本顺序的前续所有平行节点标签 |

1 | # 标签树的平行遍历 |
基于bs4库的HTML格式输出—prettify()方法
- .prettify()为HTML文本
<>及其内容增加’\n’ - .prettify()可用于标签,方法:
<tag>.perttify()


bs4库将任何HTML输入都变成utf-8编码



