1.善于利用soup节点的parent属性
比如对于已经得到了如下html代码：
november
2012
的soup变量eachmonthheader了。
想要提取其中的
month的label的值：november
和year的label的值：2012
最简单，也是最省事的办法是，直接搜两个label，然后肯定会找到这两个label，然后分别对应着month和year的label，然后获得对应的string即可：
foundtwolabel = eachmonthheader.findall(“label”);
print “foundtwolabel=”,foundtwolabel;
monthlabel = foundtwolabel[0];
yearlabel = foundtwolabel[1];
monthstr = monthlabel.string;
yearstr = yearlabel.string;
print “monthstr=”,monthstr; # monthstr= november
print “yearstr=”,yearstr; # yearstr= 2012
但是很明显，这样的逻辑性很不好，而且万一处理多个这样的soup变量，而且两者的顺便颠倒了，那么结果也就错误了。
此时，可以考虑利用soup变量的parent属性，从一个soup变量本身，获得其上一级的soup变量。
示例代码如下：
# november
#
#
# 2012
#
#
foundcbomonth = eachmonthheader.find(“input”, {“id”:re.compile(“cbomonth\d+”)});
#print “foundcbomonth=”,foundcbomonth;
tdmonth = foundcbomonth.parent;
#print “tdmonth=”,tdmonth;
tdmonthlabel = tdmonth.label;
#print “tdmonthlabel=”,tdmonthlabel;
monthstr = tdmonthlabel.string;
print “monthstr=”,monthstr;
foundcboyear = eachmonthheader.find(“input”, {“id”:re.compile(“cboyear\d+”)});
#print “foundcboyear=”,foundcboyear;
tdyear = foundcboyear.parent;
#print “tdyear=”,tdyear;
tdyearlabel = tdyear.label;
#print “tdyearlabel=”,tdyearlabel;
yearstr = tdyearlabel.string;
print “yearstr=”,yearstr;
我们再来看一个例子：
from beautifulsoup import beautifulsoup
doc = [‘page title’,
‘
this is paragraph one.’,
‘
this is paragraph two.’,
”]
soup = beautifulsoup(”.join(doc))
print soup.prettify()
#
#
#
# page title
#
#
#
#
# this is paragraph
#
# one
#
# .
#
#
# this is paragraph
#
# two
#
# .
#
#
#
这个例子中， tag的parent是 tag. tag 的parent是beautifulsoup 剖析对象自己。 剖析对象的parent是none. 利用parent，你可以向前遍历剖析树。
soup.head.parent.name
# u’html’
soup.head.parent.parent.__class__.__name__
# ‘beautifulsoup’
soup.parent == none
# true
2.当解析非utf-8或ascii编码类型的html时，需要指定对应的字符编码
当html为ascii或utf-8编码时，可以不指定html字符编码，便可正确解析html为对应的soup：
#这里resphtml是ascii或utf-8编码，此时可以不指定编码类型，即可正确解析出对应的soup
soup = beautifulsoup(resphtml);
当html为其他类型编码，比如gb2312的话，则需要指定相应的字符编码，beautifulsoup才能正确解析出对应的soup：
比如：
#此处resphtml是gb2312编码的，所以要指定该编码类型，beautifulsoup才能解析出对应的soup
htmlcharset = “gb2312”;
soup = beautifulsoup(resphtml, fromencoding=htmlcharset);