BeautifulSoup的高级应用之 contents children descendants string strings stripped_strings

来源：互联网发布：宁夏网络安全教育平台编辑：程序博客网时间：2024/06/05 23:59

继上一节，BeautifulSoup的高级应用之 find findAll，这一节，主要讲解BeautifulSoup有关的其他几个重要应用函数。

本篇中，所使用的html为：

html_doc = """ <html><head><title>The Dormouse's story</title></head> <p class="title"><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> </html>"""

.contents和.children

tag的 .contents 属性可以将 tag的子节点以列表的形式输出。

from bs4 import BeautifulSoupsoup = BeautifulSoup(html_doc)head_tag = soup.head head_tag # <head><title>The Dormouse's story</title></head> head_tag.contents [<title>The Dormouse's story</title>] title_tag = head_tag.contents[0] title_tag # <title>The Dormouse's story</title> title_tag.contents # [u'The Dormouse's story']

BeautifulSoup对象本身一定会包含子节点 ,也就是说标签也是 BeautifulSoup 对象的子节点 :

len(soup.contents) # 1 soup.contents[0].name # u'html'

字符串没有.contents 属性 ,因为字符串没有子节点 :

text = title_tag.contents[0] text.contents # AttributeError: 'NavigableString' object has no attribute 'contents'

通过 tagtagtag的 .children 生成器 ,可以对 tagtagtag的子节点进行循环 :

for child in title_tag.children:     print(child)# The Dormouse's story

.descendants:
.contents和 .children 属性仅包含 tagtagtag的直接子节点 .例如 ,标签只有一个直接子节点

head_tag.contents # [<title>The Dormouse's story</title>]

但是标签也包含一个子节点 :字符串字符串 “The Dormouse’s story”, 这种情况下字符串 “The Dormouse’s story” 也属于标签的子孙节点 .descendants 属性可以对所有 tagtagtag的子孙节点进行递归循环

for child in head_tag.descendants:     print(child) # <title>The Dormouse's story</title># The Dormouse's story

标签只有一个子节点 ,但是有 2个子孙节点 :节点和的子节点 , BeautifulSoup 有一个直接子节点 (节点 ), 却有很多子孙节点 :

len(list(soup.children)) #这里是html的children子节点# 1 len(list(soup.descendants)) #这里是html的descendants子孙节点 多个# 25

.string:
如果 tagtagtag只有一个 NavigableString 类型子节点 ,那么这个 tag可以使用.string 得到子节点 :

title_tag.string # u'The Dormouse's story'

如果一个 tag仅有一个子节点 ,那么这个 tag也可以使用 .string 方法 ,输出结果与当前唯一子节点的 .string 结果相同 .
如果 tag包含了多个子节点,tag就无法确定 .string.string.string .string.方法应该调用哪个子节点的内 , .string 的输出结果是 None。

strings 和 stripped_strings：
如果 tag中包含多个字符串 ,可以使用.strings 来循环获取 :

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行 ,使用 .stripped_strings 可以去除多余空白内容 :

for string in soup.stripped_strings:     print(repr(string))

下一篇我们讲解父节点，兄弟节点，回退和前进。

1 0

BeautifulSoup的高级应用 之 contents children descendants string strings stripped_strings

BeautifulSoup的高级应用之 contents children descendants string strings stripped_strings