Python的BeautifulSoup中的HTML结构解析

BS把HTML看做一个树形，以标签和文本为基本类型，一个标签包含其他标签，被解析为一个标签是另一个标签的子树。那么，最终整个HTML文档被解析为一棵树的形式。 BS包括四种基本类型： Soup（树），Tag（标签节点），String（字符节点），Comment（注释节点）。 这四种类型的节点构成树，Soup代表这颗树，String为叶子节点，tag为标签子节点，为其标签包含的所有内容。 剖析 HT

>>阅读原文<<