我們使用urllib模組進行http請求獲取到的是整個網頁的html，但是我們往往只需要其中一部分對我們有用的內容。這時我們就可以使用htmlparser模組來幫助我們處理html。
htmlparser是python內建的專門用來解析html的模組。利用htmlparser，我們可以分析出一段html裡面的標籤、資料等，是一種處理html的簡便途徑。
假設我們在網上爬取了下列原始碼
html_doc = """
>
>
>
the dormouse's storytitle
>
head
>
>
class
="title"
>
>
the dormouse's storyb
>
p>
class
="story"
>
once upon a time there were three little sisters; and their names were
href
=""class
="sister"
id="link1"
>
elsiea
>
,href
=""class
="sister"
id="link2"
>
laciea
>
andhref
=""class
="sister"
id="link3"
>
tilliea
>
;and they lived at the bottom of a well.p
>
class
="story"
>
...p
>
"""
from bs4 import beautifulsoup
soup = beautifulsoup(html_doc,
'html.parser'
)print
(soup.prettify(
))
>
>
>
the dormouse's story
title
>
head
>
>
class
="title"
>
>
the dormouse's story
b>
p>
class
="story"
>
once upon a time there were three little sisters; and their names were
class
="sister"
href
=""id=
"link1"
>
elsie
a>
,class
="sister"
href
=""id=
"link2"
>
lacie
a>
andclass
="sister"
href
=""id=
"link3"
>
tillie
a>
;and they lived at the bottom of a well.
p>
class
="story"
>
...p>
body
>
html
>
基於bs4庫的HTML查詢方法
find all name,attrs,recursive,string,kwargs 返回乙個列表型別，內部儲存查詢的結果 對標籤名稱的檢索字串 import requests from bs4 import beautifulsoup r requests.get demo r.text sou...
基於bs4庫的HTML標籤遍歷方法
html可以看做一棵標籤樹 屬性說明 contents 將該標籤所有的兒子節點存入列表 children 子節點的迭代型別，和contents類似，用於遍歷兒子節點 descendants 子孫節點的迭代型別，包含所有的子孫跌點，用於迴圈遍歷 import requests from bs4 imp...
基於bs4庫的HTML內容遍歷方法
html基本格式 樹型格式 遍歷方式 下行遍歷 根節點到葉節點 上行遍歷 葉節點到根節點 平行遍歷 標籤樹的下行遍歷 屬性說明 contents 子節點的列表，將所有兒子節點存入列表 children 子節點的迭代型別，與.contents類似，用於迴圈遍歷兒子節點 descendants 子孫節點...