Tag
对象都有如下含有所有的成员的列表(尽管,某些实际的成员值可能为None
). NavigableString
对象也有下面这些成员,除了contents
和 string
成员。
parent
上面那个 例子中,
<HEAD> Tag
的parent是<HTML> Tag
. <HTML> Tag
的parent是BeautifulSoup
剖析对象自己。 剖析对象的parent是None
.
利用parent
,你可以向前遍历剖析树。
soup.head.parent.name # u'html' soup.head.parent.parent.__class__.__name__ # 'BeautifulSoup' soup.parent == None # True
contents
使用parent
向前遍历树。使用contents
向后遍历树。 contents
是Tag
的有序列表, NavigableString
对象包含在一个页面元素内。只有最高层的剖析对象和 Tag
对象有contents
。 NavigableString
只有strings,不能包含子元素,因此他们也没有contents
.
在上面的例子中, contents
的第一个<P> Tag
是个列表,包含一个 NavigableString
("This is paragraph "), 一个<B> Tag
, 和其它的 NavigableString
(".")。而contents
的<B> Tag
:
包含一个NavigableString
("one")的列表。
pTag = soup.p pTag.contents # [u'This is paragraph ', <b>one</b>, u'.'] pTag.contents[1].contents # [u'one'] pTag.contents[0].contents # AttributeError: 'NavigableString' object has no attribute 'contents'
string
为了方便,如果一个标签只有一个子节点且是字符串类型,这个自己可以这样访问 tag.string
,等同于tag.contents[0]
的形式。
在上面的例子中, soup.b.string
是个NavigableString
对象,它的值是Unicode字符串"one".
这是剖析树中<B>Tag
的第一个string。
soup.b.string # u'one' soup.b.contents[0] # u'one'
但是soup.p.string
是None
, 剖析中的第一个<P> Tag
拥有多个子元素。soup.head.string
也为None
,
虽然<HEAD> Tag只有一个子节点,但是这个子节点是Tag
类型 (<TITLE> Tag
),
不是NavigableString
。
soup.p.string == None # True soup.head.string == None # True
nextSibling
和previousSibling
使用它们你可以跳往在剖析树中同等层次的下一个元素。
在上面的文档中,
<HEAD> Tag
的nextSibling
是<BODY> Tag
,
因为<BODY> Tag
是在<html> Tag
的下一层。
<BODY>标签的nextSibling
为None
,
因为<HTML>下一层没有标签是直接的在它之后。
soup.head.nextSibling.name # u'body' soup.html.nextSibling == None # True
相应的<BODY> Tag
的previousSibling
是<HEAD>标签,
<HEAD> Tag
的previousSibling
为None
:
soup.body.previousSibling.name # u'head' soup.head.previousSibling == None # True
更多例子:<P> Tag
的第一个nextSibling
是第二个
<P> Tag
。
第二个<P>Tag
里的<B>
Tag
的previousSibling
是 NavigableString
"This is paragraph"。
这个NavigableString
的previousSibling
是None
,
不会是第一个<P> Tag
里面的任何元素。
soup.p.nextSibling # <p id="secondpara" align="blah">This is paragraph <b>two</b>.</p> secondBTag = soup.findAlll('b')[1] secondBTag.previousSibling # u'This is paragraph' secondBTag.previousSibling.previousSibling == None # True
next
和previous
使用它们可以按照soup处理文档的次序遍历整个文档,而不是它们在剖析树中看到那种次序。
例如<HEAD> Tag
的next
是<TITLE>Tag
,
而不是<BODY> Tag
。
这是因为在原始文档中,<TITLE>
tag 直接在<HEAD>标签之后。
soup.head.next # u'title' soup.head.nextSibling.name # u'body' soup.head.previous.name # u'html'
Where next
and previous
are concerned, a Tag
's contents
come
before its nextSibling
.
通常不会用到这些成员,但有时使用它们能够非常方便地从剖析树获得不易找到的信息。
你可以像遍历list一样遍历一个标签(Tag
)的contents
。
这非常有用。类似的,一个Tag的有多少child可以直接使用len(tag)而不必使用len(tag.contents)来获得。
以上面那个文档中的为例:
for i in soup.body: print i # <p id="firstpara" align="center">This is paragraph <b>one</b>.</p> # <p id="secondpara" align="blah">This is paragraph <b>two</b>.</p> len(soup.body) # 2 len(soup.body.contents) # 2
像剖析对象或Tag对象的成员一样使用Tag名可以很方便的操作剖析树。
前面一些例子我们已经用到了这种方式。以上述文档为例, soup.head
获得文档第一个<HEAD>标签:
soup.head # <head><title>Page title</title></head>
通常,调用mytag.foo
获得的是mytag
的第一个child,同时必须是一个<FOO> 标签
。
如果在mytag
中没有<FOO> 标签
,mytag.foo
返回一个None
。
你可以使用这中方法快速的读取剖析树:
soup.head.title # <title>Page title</title> soup.body.p.b.string # u'one'
你也可以使用这种方法快速的跳到剖析树的某个特定位置。例如,如果你担心<TITLE> tags会离奇的在<HEAD> tag之外,
你可以使用soup.title
去获得一个HTML文档的标题(title),而不必使用soup.head.title
:
soup.title.string # u'Page title'
soup.p
跳到文档中的第一个 <P> tag,不论它在哪里。 soup.table.tr.td
跳到文档总第一个table的第一列第一行。
这些成员实际上是下面first
方法的别名,这里更多介绍。
这里提到是因为别名使得一个定位(zoom)一个结构良好剖析树变得异常容易。
获得第一个<FOO> 标签另一种方式是使用.fooTag
而不是 .foo
。
例如,soup.table.tr.td
可以表示为soup.tableTag.trTag.tdTag
,甚至为soup.tableTag.tr.tdTag
。
如果你喜欢更明确的知道表示的意义,或者你在剖析一个标签与Beautiful Soup的方法或成员有冲突的XML文档是,使用这种方式非常有用。
from BeautifulSoup import BeautifulStoneSoup xml = '<person name="Bob"><parent rel="mother" name="Alice">' xmlSoup = BeautifulStoneSoup(xml) xmlSoup.person.parent # A Beautiful Soup member # <person name="Bob"><parent rel="mother" name="Alice"></parent></person> xmlSoup.person.parentTag # A tag name # <parent rel="mother" name="Alice"></parent>
如果你要找的标签名不是有效的Python标识符,(例如hyphenated-name
),你就需要使用first
方法了。