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

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">

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

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