Beautiful Soup 遍历文档树
1. 子节点
一个 Tag 可能包含多个 NaviableString 或者其他的 Tag ，这些都是这个 Tag 的子节点。 BeautifulSoup 提供了许多方法来遍历子节点。
NaviableString 没有子节点，因此无法遍历它
a. 通过 Tag 的名字遍历
操作文档树最简单的方法就是通过标签名字获取 Tag 。如果想获取 <head> 标签，只需要使用 soup.head 。
- 通过
soup.a获得的只是标签<a></a>的第一个标签。要像获取所有的<a></a>标签，必须用find_all()等方法 - 可以如果想获取标签中的子标签，则可以反复使用
.表达式，如:soup.head.body.a。
b. 通过 Tag.contents 和 Tag.children 遍历
Tag 的 .contents 属性可以将 Tag 的子节点按照列表的方式输出。而通过 Tag 的 .children 生成器，可以对 Tag 的子节点进行循环。
BeautifulSoup对象也可以按照这种方式进行遍历。因为BeautifulSoup对象一定会包含子节点，如<html>标签。NavigableString对象不能按照这种方式遍历。因为它没有子节点。哪怕提供给
BeautifulSoup构造函数的字符串并没有<html></html>标签，BeautifulSoup也会自动构造出<html></html>标签。
c. 通过 Tag.descendants 遍历
通过 Tag.contents 和 Tag.children 遍历时，只能访问 Tag 的直接子节点，而无法访问到孙节点以及孙节点以下节点。 而通过 Tag.descendants 可以获取 Tag 的所有子孙节点（无论是否直系子节点），注意 Tag.descendants 是一个生成器。
BeautifulSoup对象也可以按照这种方式进行遍历。因为BeautifulSoup对象一定会包含子节点，如<html>标签。NavigableString对象不能按照这种方式遍历。因为它没有子节点。
d. 通过 Tag.string 遍历
- 如果
Tag只有一个NavigableString类型的子节点，那么可以通过Tag.string获得该子节点。 - 如果
Tag只有一个Tag类型的子节点，那么通过Tag.string获取的是该子节点的.string的结果。 - 如果
Tag包含了多个子节点，那么Tag.string输出为None - 如果
Tag不包含任何子节点，则Tag.string输出为NoneBeautifulSoup对象也可以按照这种方式进行遍历。因为BeautifulSoup对象一定会包含子节点， 如<html>标签。NavigableString对象不能按照这种方式遍历。因为它没有子节点。
e. 通过 Tag.strings 和 Tag.stripped_strings 遍历
如果想访问 Tag 以及所有子节点（无论是否直系子节点）中的文本内容，可以使用 Tag.strings 进行循环获取。但是这种方式获取的结果可能含有大量空格或者空白行。在这种情况下可以用 Tag.stripped_strings 可以去除多余空白内容。这两个属性都返回的是生成器对象。
Tag.strings生成器遍历时，它会读取Tag以及它所有子节点的文本内容，即使某个子节点没有文本 （如<div></div>标签），此时该子节点的文本输出为空字符串。
BeautifulSoup对象也可以按照这种方式进行遍历。因为BeautifulSoup对象一定会包含子节点，如<html>标签。NavigableString对象不能按照这种方式遍历。因为它没有子节点。
2.父节点
每个 Tag 或者 NavigableString 都有父节点（某个 Tag 对象）
a. 通过 .parent 访问父节点
可以通过 Tag.parent 获取 Tag 的父节点，通过 NavigableString.parent 获取 NavigableString 的父节点。
- 文档的顶层节点，如
<html>的父节点是BeautifulSoup对象 BeautifulSoup对象的父节点是None
b. 通过 .parents 访问节点
通过 Tag.parents 和 NavigableString.parents 可以递归得到元素的所有父辈节点。该属性返回的是一个生成器对象。
3. 兄弟节点
a. 通过 .next_sibling 和 .previous_sibling 遍历
在文档树中可以通过 Tag.next_sibling 或者 NavigableString.next_sibling 来查询后一个兄弟节点；通过 Tag.previous_sibling 者 NavigableString.previous_sibling 来查询前一个兄弟节点。
- 第一个节点的
.previous_sibling返回None - 最后一个节点的
.next_sibling返回None
注意：对于 NavigableString 的兄弟节点一定是 Tag 节点或者为空，也可能是另一个 NavigableString 节点。而对于 Tag 节点的兄弟节点却不一定是 Tag 节点或者为空，因为也可能是 NavigableString 字符串节点（尤其是 HTML 显示时看起来是空白其实有换行符或者空白符的时候）。
b. 通过 .next_siblings 和 .previous_siblings 遍历
在文档树中可以通过 Tag.previous_siblings 或者 NavigableString.previous_siblings 来迭代本节点前面的兄弟节点；通过 Tag.next_siblings 者 NavigableString.next_siblings 来迭代本节点后面的兄弟节点。它们都是生成器对象。
4. 回退和前进
对于文档
<html>
<head><title>The Dormouse's story</title></head>
<p class="title"><b>The Dormouse's story</b></p>
</html>
HTML 解析器将这段字符串转换成一连串的事件：
- 打开
<html>标签 - 打开
<head>标签 - 打开
<title>标签 - 添加一段字符串
- 关闭
<title>标签 - 关闭
<head>标签 - 打开
<p>标签 - ....
Beautiful Soup 提供了重现这一过程的方法。
a. 通过 .next_element 和 .previous_element 遍历
在文档树中可以通过 Tag.next_element 或者 NavigableString.next_element 来获取本节点之后下一个被解析的对象（可能是 Tag 或者 NavigableString ）；也可以通过 Tag.previous_element 或者 NavigableString.previous_element 来获取本节点之前上一个被解析的对象（可能是 Tag 或者 NavigableString ）。
.next_element可能与.next_sibling相同，也可能不同。对于<a> txt</a><b></b>这种 HTML 节点，标签<a>的下一个解析节点是<a>内部的字符串；标签<a>的下一个兄弟节点是<b>标签。
a. 通过 .next_elements 和 .previous_elements 遍历
在文档树中可以通过 Tag.previous_elements 或者 NavigableString.previous_elements 来迭代本节点前面解析的节点；通过 Tag.next_elements 者 NavigableString.next_elements 来迭代本节点后面解析的节点。它们都是生成器对象。
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论