2 HTML解析

bs4 库 BeautifulSoup子模块中最常用的findAll和find函数：
根据标签的不同属性，使用这两个函数对HTML页面过滤，查找需要的标签组或单个标签。

findAll(tag,attribute,recursive,text,limit,keywords)
find(tag,attribute,recursive,text,keywords)
#标签参数和属性参数最常用

标签参数tag：传一个标签的名称或多个标签名称组成的python列表做参数

# 返回HTML文档中所有标题标签的列表
findAll({'h1','h2','h3','h4','h5','h6'})或 findAll(['h1','h2','h3','h4','h5','h6'])

属性参数attribute：用python字典封装一个标签的若干属性和对应的属性值

findAll('span',{'class':{'green','red'}})
#返回HTML文档中红，绿两种span标签

递归参数recursive，默认是True即查找所有标签含子标签到底；若是False就查找一级标签

文本参数text：通过标签的文本内容匹配

findAll(text='the prince')

范围限制参数limit

关键词参数keyword

BeautifulSoup库的对象：

1、BeautifulSoup对象 bsobj

bsobj = BeautifulSoup(html,'html.parser')  

2、标签Tag对象，bsobj通过findAll和find或直接调用子标签获取的一列对象或单个对象

3、NavigableString对象用来表示标签里的文字，不是标签

4、Comment对象查找HTML文档的注释标签

导航树（Navigating Trees）：

可通过标签在文档中位置来查找标签，HTML导航树有纵向导航和横向导航

子标签children、后代标签descendants、兄弟标签如tr.next_siblings