Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释

一、Tag(标签)对象

1.Tag对象与XML或HTML原生文档中的tag相同。

1. from bs4 import BeautifulSoup
2. soup = BeautifulSoup('<b class="boldest">Extremely bold','lxml')
3. tag = soup.b
4. type(tag)

1. bs4.element.Tag

2.Tag的Name属性

每个tag都有自己的名字，通过.name来获取

1. tag.name

1. 'b'

1. tag.name = "blockquote" # 对原始文档进行修改
2. tag

1. <blockquote class="boldest">Extremely bold</blockquote>

3.Tag的Attributes属性

获取单个属性

1. tag['class']

1. ['boldest']

按字典的方式获取全部属性

1. tag.attrs

1. {'class': ['boldest']}

添加属性

1. tag['class'] = 'verybold'
2. tag['id'] = 1
3. print(tag)

1. <blockquote class="verybold" id="1">Extremely bold</blockquote>

删除属性

1. del tag['class']
2. del tag['id']
3. tag

1. <blockquote>Extremely bold</blockquote>

4.Tag的多值属性

多值属性会返回一个列表

1. css_soup = BeautifulSoup('<p class="body strikeout"></p>','lxml')
2. print(css_soup.p['class'])

1. ['body', 'strikeout']

1. rel_soup = BeautifulSoup('<p>Back to the <a rel="index">homepage</a></p>','lxml')
2. print(rel_soup.a['rel'])
3. rel_soup.a['rel'] = ['index', 'contents']
4. print(rel_soup.p)

1. ['index']
2. <p>Back to the <a rel="index contents">homepage</a></p>

如果转换的文档是XML格式，那么tag中不包含多值属性

1. xml_soup = BeautifulSoup('<p class="body strikeout"></p>', 'xml')
2. xml_soup.p['class']

1. 'body strikeout'

二、可遍历字符串(NavigableString)

1.字符串常被包含在tag内，使用NavigableString类来包装tag中的字符串

1. from bs4 import BeautifulSoup
2. soup = BeautifulSoup('<b class="boldest">Extremely bold','lxml')
3. tag = soup.b
4. print(tag.string)
5. print(type(tag.string))

1. Extremely bold
2. <class 'bs4.element.NavigableString'>

2.一个 NavigableString 字符串与Python中的str字符串相同，通过str() 方法可以直接将 NavigableString 对象转换成str字符串

1. unicode_string = str(tag.string)
2. print(unicode_string)
3. print(type(unicode_string))

1. Extremely bold
2. <class 'str'>

3.tag中包含的字符串不能编辑,但是可以被替换成其它的字符串,用 replace_with() 方法

1. tag.string.replace_with("No longer bold")
2. tag

1. <b class="boldest">No longer bold

三、BeautifulSoup对象 BeautifulSoup 对象表示的是一个文档的全部内容。

大部分时候,可以把它当作 Tag 对象,它支持 遍历文档树 和 搜索文档树 中描述的大部分的方法。

四、注释与特殊字符串(Comment)对象

1. markup = "<!--Hey, buddy. Want to buy a used parser?-->"
2. soup = BeautifulSoup(markup,'lxml')
3. comment = soup.b.string
4. type(comment)

1. bs4.element.Comment

Comment 对象是一个特殊类型的 NavigableString 对象

1. comment

1. 'Hey, buddy. Want to buy a used parser?'

更多关于Python爬虫库BeautifulSoup的使用方法请查看下面的相关链接