日拱一卒|數據挖掘015
閱讀本文前建議先瀏覽：
本篇推送涉及的代碼鏈接：
二、使用BeautifulSoup
（二）遍歷文檔樹
遍歷文檔樹，即從根節點 html 標籤開始遍歷，直到找到目標元素爲止，遍歷的一個缺陷是，如果你要找的內容在文檔的末尾，那麼它要遍歷整個文檔才能找到它，速度上就慢了。因此還需要配合第二種方法：搜索文檔樹。
以下面HTML文本爲例
獲取標籤節點可以直接通過 .標籤名方式獲得
1.下行遍歷
2.上行遍歷
遍歷所有先輩節點，包括soup本身，所以要區別判斷
3.平行遍歷
遍歷文檔樹的另一個缺點是隻能獲取到與之匹配的第一個子節點，例如，如果有兩個相鄰的 p 標籤時，第二個標籤就沒法通過.p的方式獲取，這是需要借用 next_sibling 屬性獲取相鄰的節點。
需要注意：平行遍歷發生在同一個父節點下的各節點間
小結
（三）搜索文檔樹
搜索文檔樹是通過指定標籤名來搜索元素，還可以通過指定標籤的屬性值來精確定位某個節點元素，最常用的兩個方法就是 find 和 find_all。
find 方法跟 find_all 類似，唯一不同的地方是，它返回的單個 Tag 對象而非列表，如果沒找到匹配的節點則返回 None。如果匹配多個 Tag，只返回第0個。
注意：
find 和 find_all。這兩個方法在 BeatifulSoup 和 Tag 對象上都可以被調用。
補充：獲取標籤裏面內容
獲取標籤裏面內容，除了可以使用 .string 之外，還可以使用 get_text 方法，不同的地方在於前者返回的一個 NavigableString 對象，後者返回的是 unicode 類型的字符串。實際場景中我們一般使用 get_text 方法獲取標籤中的內容。
參考資料：
1.Python爬蟲知識點梳理
2.HTML文本解析庫BeautifulSoup
3.Python網絡爬蟲與信息提取