python爬虫学习——bs4

bs4 将一个复杂的html文档转化为一个复杂的树形结构，每个节点都是python对象，所有对象可以分为四种：Tag、NavigableString、BeautifulSoup、Comment

from bs4 import BeautifulSoup
f = open("./htmlDemo1.html","rb")
html = f.read().decode("utf-8")
bs = BeautifulSoup(html,"html.parser")

#print(bs.title)
# print(bs.head)
# print(bs.h1)
#print(type(bs.h1))
#1. Tag 标签及其内容 （只能拿到它所找到的第一个内容）

#print(bs.title.string)
#print(type(bs.title.string))
#2. NavigableString 标签里的内容（字符串）

# print(bs.a.attrs)
# print(bs.p.attrs) #获取标签的属性，并放在字典中

#print(type(bs))
#3. BeautifulSoup 表示整个文档

# print(bs.name)
# print(bs.attrs)
# print(bs)

# print(bs.p.string)
# print(type(bs.p.string))
#4. Comment 是一个特殊的NavigableString，输出的内容不包含注释符号


#文档的遍历

# print(bs.head.contents)
# print(bs.head.contents[1])

#文档的搜索