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

时间:2021-05-22

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 BeautifulSoupsoup = BeautifulSoup('<b class="boldest">Extremely bold</b>','lxml')tag = soup.btype(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'] = 1print(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 BeautifulSoupsoup = BeautifulSoup('<b class="boldest">Extremely bold</b>','lxml')tag = soup.bprint(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.stringtype(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

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章