这个库主要存储我在学习网络爬虫技术的练习代码
Tag:标签 Name:标签名 Attributes:标签属性 NavigableString:标签内非属性字符串 Comment:标签注释
1.标签树的下行遍历
.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,包含所有自损节点,用于循环遍历
2.上行遍历
.parent 返回节点的父亲标签 .parent 返回节点的先辈节点
3.平行遍历 (发生在同一个父亲节点下的各个节点间)
.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 返回按照HTML文本顺序的后续所有平行节点标签 .previous_siblings 返回按照HTML文本顺序的前序所有平行节点标签
练习使用re库的六种操作,最后练习使用正则表达式爬取淘宝网站中的信息
练习使用scrapy库,并使用其爬取股票交易信息