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。
from bs4 import BeautifulSoup soup = BeautifulSoup("<b class="boldest">Extremely bold</b>","lxml") tag = soup.b type(tag)
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
tag.name
"b"
tag.name = "blockquote" # 对原始文档进行修改 tag
<blockquote class="boldest">Extremely bold</blockquote>
3.Tag的Attributes属性
获取单个属性
tag["class"]
["boldest"]
按字典的方式获取全部属性
tag.attrs
{"class": ["boldest"]}
添加属性
tag["class"] = "verybold" tag["id"] = 1 print(tag)
<blockquote class="verybold" id="1">Extremely bold</blockquote>
删除属性
del tag["class"] del tag["id"] tag
<blockquote>Extremely bold</blockquote>
4.Tag的多值属性
多值属性会返回一个列表
css_soup = BeautifulSoup("<p class="body strikeout"></p>","lxml") print(css_soup.p["class"])
["body", "strikeout"]
rel_soup = BeautifulSoup("<p>Back to the <a rel="index">homepage</a></p>","lxml") print(rel_soup.a["rel"]) rel_soup.a["rel"] = ["index", "contents"] print(rel_soup.p)
["index"] <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
xml_soup = BeautifulSoup("<p class="body strikeout"></p>", "xml") xml_soup.p["class"]
"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
from bs4 import BeautifulSoup soup = BeautifulSoup("<b class="boldest">Extremely bold</b>","lxml") tag = soup.b print(tag.string) print(type(tag.string))
Extremely bold <class "bs4.element.NavigableString">
unicode_string = str(tag.string) print(unicode_string) print(type(unicode_string))
Extremely bold <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
tag.string.replace_with("No longer bold") tag
<b class="boldest">No longer bold</b>
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
markup = "<b><!--Hey, buddy. Want to buy a used parser?--></b>" soup = BeautifulSoup(markup,"lxml") comment = soup.b.string type(comment)
bs4.element.Comment
Comment 对象是一个特殊类型的 NavigableString 对象
comment
"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