3. 1子节点和子孙节点
soup.body.h1# 选中body 标签下的h1,这个h1 标签是body标签的子节点
同理,soup.div.find_all(‘img’)会找到所有div里面的img标签。
.children 和.descendants
对比代码如下:
html = urlopen('http://www.pythonscraping.com/pages/page3.html')
soup = BeautifulSoup(html, 'lxml')
children = soup.find('table',{'id':'giftList'}).children
descendants = soup.find('table',{'id':'giftList'}).descendants
sum = 0
for child in children:
print(child)
sum +=1
print(sum)
sum2 = 0
for descendant in descendants:
sum2+=1
print(descendant)
print(sum2)
运行结果可知 sum = 13, sum2 = 86
取descendants的第一部分作比较可以发现
<tr><th>#=============<tr>是soup.find('table',{'id':'giftList'})的子节点====
Item Title
</th><th>
Description
</th><th>
Cost
</th><th>
Image
</th></tr>#============<tr>是soup.find('table',{'id':'giftList'})的子节点====
<th> #============<th>是<tr>的子节点,('table',{'id':'giftList'})的子孙节点==
Item Title
</th> #============<th>是<tr>的子节点,('table',{'id':'giftList'})的子孙节点==
Item Title#=========文本是<th>标签的内容,也是子孙节点================
<th>#============同上====================
Description
</th>
Description
<th>
Cost
</th>
Cost
....
对比可知,children只列出了<tr>标签所包含的内容。而descendants列出了所有包含的标签节点以及文本,即<tr>子标签中的所有子子孙孙标签都会查找返回。
3.2 父节点
通常情况下我们更经常查找子节点,而在某些特定情况下会用到查询父节点,.parents 和 .parent。
from urllib.request import urlopen
from bs4 import BeautifulSoup
html = urlopen('http://www.pythonscraping.com/pages/warandpeace.html')
soup = BeautifulSoup(html)
print(soup.find('img', {'src':'../img/gifts/img1.jpg'}).parent.previous_sibling.get_text())
分析一下代码是如何工作的。
<tr>
--<td>
--<td>(3)
--"$15.00"(4)
--s<td>(2)
--<img src="../img/gifts/img1.jpg">(1)
1.首先定位到含src=”../img/gifts/img1.jpg”的标签img。
2.选中img标签的父节点s<td>.
3.选中s<td>的上一个同层级标签<td>
4.选取<td>标签中的文字