爬虫日记-html的遍历

基于bs4库的HTML遍历方法

标签树的下行遍历

来手打栗子，依然是用上一节的demo

import requests
from bs4 import BeautifulSoup
r=requests.get('https://python123.io/ws/demo.html')
demo=r.text
soup = BeautifulSoup(demo,'html.parser')
print(soup.prettify())

contents打印出了所有子标签，存在列表里展示

也可以通过索引取值。

标签树的上行遍历

html已经是html的最高级标签了，没有父标签，所以他的父标签就是它本身。

因为 soup的父节点没有，所以返回了一个空

标签树的上行遍历

这里拿出了一个parents，注意不是parent，所以这里是以上所有的父标签，放入一个列表之中，就可以迭代了，他就会每次都输出一个父标签的名字了。

标签树的平行遍历

需要注意的是，平行遍历只发生在同一个父亲节点之下，若是另一个节点之下的标签，是不算他的平行节点的。

最后一个打印结果为None，因为他的上上个已经没有平行节点了，所以为空。

这个平行遍历就不多讲了。就是这样实现的，和遍历父节点是一个原理。

这就是今天的总结图