上篇我們講到了通過標籤的名稱和屬性來查找標籤的findAll(),本篇將講解如何通過標籤在文檔中的位置進行查找------導航樹
一篇文章,可以將其標籤分爲子標籤,父標籤和兄弟標籤。而導航樹的功能就是先在文檔中找到一個位置,根據網頁源代碼的架構,在該位置上進行前進(子標籤),後退(父標籤)或平移(兄弟標籤),從而遍歷全部標籤,獲取全部內容。
具體標籤內容詳見http://blog.csdn.net/qq_38329811/article/details/77108768,在這篇文章的知識圖的搜索文檔下有全部的屬性,具體用法自行百度;
下面,我將用一個實例來詳細講解:
目標網站:http://www.pythonscraping.com/pages/page3.html
目的:獲取商品的名稱,描述和價格;
代碼如下:
import requests
from bs4 import BeautifulSoup
import bs4
url = "http://www.pythonscraping.com/pages/page3.html"
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
html = r.text
soup = BeautifulSoup(html, "html.parser")
uniolist = []
i = 0
for tr in soup.find('table').children:
#print(type(tr))
if isinstance(tr, bs4.element.Tag):
if i == 0:
ths = tr.find_all('th')
uniolist.append([ths[0].string,ths[1].string,ths[2].string])
else:
ths = tr.find_all('td')
uniolist.append([ths[0].string, ths[1].get_text(), ths[2].string])
i = i + 1
for i in range(5):
u = uniolist[i]
print(u[0],u[1],u[2])
其中的for tr in soup.find('table').children:
首先,在網頁中找到第一個table標籤,然後在遍歷他的所有子標籤(下一級標籤),每次循環得到一個tr標籤,
再通過find_all()函數遍歷tr中所有的td標籤,
ths = tr.find_all('td')
最後將其文本放入到一個列表中進行輸出;