python3 beautifulsoup4_【Python3 爬虫】U13_BeautifulSoup4四大对象

Tag

NavigableString

BeautifulSoup

Comment

上面4种对象均可以通过以下语法查看详细的源码

from bs4.element import

1.Tag

Tag通俗来讲就是HTML中的一个个标签，例如：

The Dormouse's story

The Dormouse's story

上述代码中的title、head、a、p等等都是HTML标签加上里面包括的内容是就是Tag,那么试着使用BeautifulSoup来获取Tags:

from bs4 import BeautifulSoup

html = """

The Dormouse's story

The Dormouse's story

Once upon a time there were three little sisters; and their names were

,

Lacie and

Tillie;

and they lived at the bottom of a well.

...

"""

#创建 Beautiful Soup 对象

soup = BeautifulSoup(html,'lxml')

print(soup.title)

#

The Dormouse's story

print(soup.head)

#

The Dormouse's story

print(soup.a)

#

print(soup.p)

#

The Dormouse's story

print(type(soup.p))

#

我们可以利用 soup 加标签名轻松地获取这些标签的内容，这些对象的类型是bs4.element.Tag。但是注意，它查找的是在所有内容中的第一个符合要求的标签。

1.1 Tag的两个重要属性：name和attrs

print(soup.name)

# [document] #soup 对象本身比较特殊，它的 name 即为 [document]

print(soup.head.name)

# head #对于其他内部标签，输出的值便为标签本身的名称

print(soup.p.attrs)

# {'class': ['title'], 'name': 'dromouse'}

# 在这里，我们把 p 标签的所有属性打印输出了出来，得到的类型是一个字典。

print(soup.p['class']) # soup.p.get('class')

# ['title'] #还可以利用get方法，传入属性的名称，二者是等价的

soup.p['class'] = "newClass"

print(soup.p) # 可以对这些属性和内容等等进行修改

#

The Dormouse's story

del soup.p['class'] # 还可以对这个属性进行删除

print(soup.p)

#

The Dormouse's story

2.NavigableString

既然我们已经得到了标签的内容，那么问题来了，我们要想获取标签内部的文字怎么办呢？很简单，用 .string 即可，例如

print(soup.p.string)

# The Dormouse's story

print(type(soup.p.string))

#

3.BeautifulSoup

该对象表示的是一个文档的内容。大部分时候,可以把它当作 Tag 对象，是一个特殊的 Tag，我们可以分别获取它的类型，名称，以及属性来感受一下

print(type(soup.name))

#

print(soup.name)

# [document]

print(soup.attrs) # 文档本身的属性为空

# {}

4.Comment

Comment 对象是一个特殊类型的 NavigableString 对象，其输出的内容不包括注释符号。

print(soup.a)

#

print(soup.a.string)

# Elsie

print(type(soup.a.string))

#

a 标签里的内容实际上是注释，但是如果我们利用 .string 来输出它的内容时，注释符号已经去掉了。

5.总结

1) Tag: BeautifulSoup中所有的标签都是Tag类型，并且BeautifulSoup的对象其实本质上也是一个Tag类型。所以其实一些方法比如find、find_all并不是BeautifulSoup的，而是Tag的

2) NavigableString：继承自Python的str,使用方法跟Python的str一致

3) BeautifulSoup：继承自Tag,用来生成BeautifulSoup树的。对于一些查找方法，比如find、select这些，其实还是Tag的

4) Comment：继承自NavigableString

6.contents和children

返回某个标签下的直接子元素，其中也包括字符串。区别是：contents返回的是一个列表，children返回的是一个迭代器。