beautifulsoup

from bs4 import BeautifulSoup
import re
# 获取需要解析的代码
soup = BeautifulSoup(open('1.html','r',encoding='utf8'),'lxml')

# 改正前端代码中可能出现的错误
soup.prettify()

# 遍历文档树
# 只找第一个a标签
# print(soup.a.text)
# 取文本 a.text        取链接地址a.attrs这个方法返回的数据类型为字典

# 嵌套 a.tr.td  直接子节点可以用children，父节点用parent 所有子孙节点用descendants 所有的祖先用parents

# 搜索文档树
# def find_all(self, name=标签名字, attrs={属性}, recursive=True, text=None,
#                  limit=None, **kwargs):
# 五钟过滤器
    # 一、字符串    完全匹配
# print(soup.find_all(name='div'))
# print(soup.find_all(attrs={"class":"icon-title icon-star"}))
# print(soup.find_all(text='焦'))

    # 二、列表      可以同时传入多个过滤条件
# print(soup.find_all(name=['a','b','div']))

    # 三、正则
# print(soup.find(name=re.compile('^b')))
# print(soup.find(attrs={'class',re.compile('^wbs')}))
# print(soup.find_all(text=re.compile('介s*')))

    # 四、True
# print(soup.find_all(name=True))
# print(soup.find_all(attrs=True))
# print(soup.find_all(text=True))
# print(soup.find_all(name='p',text=True))

    # 五、方法
def shuxing(soup):
    return soup.has_attr("class") and not soup.has_attr('id')

print(soup.find_all(shuxing))