HTML基本格式（树型格式）：
遍历方式：下行遍历（根节点到叶节点），上行遍历（叶节点到根节点），平行遍历
标签树的下行遍历：
| 属性 | 说明 |
| .contents | 子节点的列表，将<tag>所有儿子节点存入列表 |
| .children | 子节点的迭代类型，与.contents类似，用于循环遍历儿子节点 |
| .descendants | 子孙节点的迭代类型。包含所有子孙节点，用于循环遍历 |
下行遍历举例;
soup.head#获取head节点,返回<head><title>This is a python demo page</title></head>soup.head.contents#获取儿子节点，返回[<title>This is a python demo page</title>]soup.body.contents#body标签的contents信息len(soup.body.contents)#儿子节点的个数，发现有5个，返回5soup.body.contents[1]#利用列表操作获得特定儿子节点的信息#返回<p class="title"><b>The demo python introduces several python courses.</b></p>#另两种遍历方法‘‘‘利用循环遍历儿子节点或子孙节点for child in soup.body.children: ???print(child)或者for child in soup.body.descendants: ???print(child)‘‘‘
标签树的上行遍历：
两个属性：
.parent 节点的父亲标签
.parents 节点先辈标签的迭代类型，用于循环遍历先辈节点
#上行遍历soup.title.parent#title的父亲是head#返回 <head><title>This is a python demo page</title></head>soup.html.parent#html的父亲是自己
#标签树上行遍历代码汇总soup=BeautifulSoup(demo,‘html.parser‘)for parent in soup.a.parents: ???if parent is None:#如果先辈是None ???????print(parent) ???else: ???????print(parent.name)#返回‘‘‘pbodyhtml[document]‘‘‘
标签树的平行遍历
| 属性 | 说明 |
| .next_sibling | 返回按照HTML文本顺序的下一个平行节点标签 |
| .previous_sibling | 返回按照HTML文本顺序的上一个平行节点标签 |
| .next_siblings | 迭代类型，返回按照HTML文本顺序的后续所有平行节点标签 |
| .previous_siblings | 迭代类型，返回按照HTML文本顺序的前续所有平行节点标签 |
所有的平行遍历必须发生在同一个父亲节点下
soup.a.next_sibling#返回‘ and ‘soup.a.next_sibling.next_sibling#返回 <a class="py2" href="http://www.icourse163.org/course/BIT-1001870001" id="link2">Advanced Python</a>soup.a.previous_siblingsoup.a.previous_sibling.previous_sibling
#标签树的平行遍历#遍历后续节点for sibling in soup.a.next_siblings: ???print(sibling)#遍历前续节点for sibling in soup.a.previous_siblings: ???print(sibling)
基于bs4的html格式化和编码
格式化：
当我们使用soup.prettify()语句时，prettiffy()会给HTML文件加上换行符，使得文件按规则合适输出
我们也可以单独对某一个标签做prettify()处理，比如soup.a.prettify()
编码：
btf-8编码，使用python3就可以保证不用转换。
基于bs4库的HTML内容遍历方法
原文地址：https://www.cnblogs.com/rayshaw/p/8570647.html