python爬虫进阶BeautifulSoup对象【1】

MSK

在BeautifulSoup初窥中，我们初步了解了BeautifulSoup，这一节我们将介绍
BeautifulSoup对象
推荐阅读：BeautifulSoup节点





[b]Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种:


Tag ,

NavigableString,

BeautifulSoup ,

Comment .[/b]



[b]

Tag对象

[/b]

Tag 对象与XML或HTML原生文档中的tag相同:

soup = BeautifulSoup('<b class="boldest">Extremely bold</b>')
tag = soup.b
type(tag)
# <class 'bs4.element.Tag'>

属性


1.Name
每个tag都有自己的名字（标签名）,通过 .name 来获取:

tag.name
# u'b'

如果对Tag进行修改，那将影响所有通过当前Beautiful Soup对象生成的HTML文档:

tag.name = "blockquote"
tag
# <blockquote class="boldest">Extremely bold</blockquote>

2.Attributes




一个tag可能有很多个属性. tag <b class="boldest"> 有一个 “class” 的属性,值为 “boldest” . tag的属性的操作方法与字典相同:

tag['class']
# u'boldest'

也可以直接”点”取属性, 比如: .attrs :

tag.attrs
# {u'class': u'boldest'}




tag的属性可以被添加,删除或修改. 再说一次, tag的属性操作方法与字典一样

tag['class'] = 'verybold'
tag['id'] = 1
tag
# <blockquote class="verybold" id="1">Extremely bold</blockquote>

del tag['class']
del tag['id']
tag
# <blockquote>Extremely bold</blockquote>

tag['class']
# KeyError: 'class'
print(tag.get('class'))
# None

[b]

NavigableString对象

[/b]



字符串常被包含在tag内.Beautiful Soup用 NavigableString 类来包装tag中的字符串:

tag.string
# u'Extremely bold'
type(tag.string)
# <class 'bs4.element.NavigableString'>

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
# <blockquote>No longer bold</blockquote>

[b]

BeautifulSoup对象

[/b]



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
其实就是生成的soup

soup.name
# u'[document]'

[b]

Comment对象

[/b]



Comment 对象就是html文档的注释，是一个特殊类型的 NavigableString 对象:

temp = "<b><!--Hey, buddy. Want to buy a used parser?--></b>"
soup = BeautifulSoup(temp,'html.parser')
comment = soup.b.string
type(comment)
# <class 'bs4.element.Comment'>