(1)Tag
The Dormouse's storyThe Dormouse's story
这里的head,title,p,a都是标签tag
print soup.p ,'\n',soup.a ,'\n',soup.head,'\n',soup.title,'\n'
输出结果:
The Dormouse's story
The Dormouse's storyThe Dormouse's story我们可以利用 soup加标签名轻松地获取这些标签的内容,是不是感觉比正则表达式方便多了?不过有一点是,它查找的是在所有内容中的第一个符合要求的标签
我们可以验证一下这些对象的类型
print '\n',type(soup.a),'\n',type(soup.p)
输出结果:
对于 Tag,它有两个重要的属性,是 name 和 attrs,
soup 对象本身比较特殊,它的 name 即为 [document],对于其他内部标签,输出的值便为标签本身的名称。
print soup.name
print soup.p.name,soup.head.name
输出结果:
[document]
p head
attr:
print soup.p['name']输出标签p里的属性name的值
(2)NavigableString
print soup.p.string
输出结果:
The Dormouse's story
(3)BeautifulSoup
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,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
(4)Comment
Comment 对象是一个特殊类型的 NavigableString 对象,其实输出的内容仍然不包括注释符号
这里就包括了注释符号
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,我们发现它已经把注释符号去掉了,所以这可能会给我们带来不必要的麻烦。
另外我们打印输出下它的类型,发现它是一个 Comment 类型,所以,我们在使用前最好做一下判断,判断代码如下
iftype(soup.a.string)==bs4.element.Comment:
print soup.a.string
上面的代码中,我们首先判断了它的类型,是否为 Comment 类型,然后再进行其他操作,如打印输出。
未完待续~