python爬虫beautifulsoup_python爬虫之BeautifulSoup

(1)Tag

The Dormouse's story

The 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

比如标签a

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~