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= novemberprint 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soupsoup = 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souphtmlcharset = gb2312;soup = beautifulsoup(resphtml, fromencoding=htmlcharset);