极客笔记BeautifulSoup 教程, 当我们把一个 html 文档或字符串传递给 beautifulsoup 构造函数时， beautifulsoup 基本上把一个复杂的 html 页面转换成不同的 python 对象。下面我们将讨论四种主要的对象。
- Tag
- NavigableString
- BeautifulSoup
- Comments
Tag 对象
一个HTML标签被用来定义各种类型的内容。BeautifulSoup中的一个标签对象对应于实际页面或文档中的一个HTML或XML标签。
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<b class="boldest">TutorialsPoint</b>')
>>> tag = soup.html
>>> type(tag)
<class 'bs4.element.Tag'>标签包含很多属性和方法，标签的两个重要特征是其名称和属性。
名称(tag.name)
每个标签都包含一个名称，可以通过’.name’作为后缀进行访问。tag.name将返回它的标签类型。
>>> tag.name
'html'然而，如果我们改变标签名称，同样会反映在由BeautifulSoup生成的HTML标记中。
>>> tag.name = "Strong"
>>> tag
<Strong><body><b class="boldest">TutorialsPoint</b></body></Strong>
>>> tag.name
'Strong'属性(tag.attrs)
一个标签对象可以有任意数量的属性。标签<b class="boldest">有一个属性’class’，其值是 "boldest"。任何不是标签的东西，基本上都是一个属性，必须包含一个值。你可以通过访问键来访问属性（比如在上面的例子中访问 "class"），也可以通过".attrs "直接访问。
>>> tutorialsP = BeautifulSoup("<div class='tutorialsP'></div>",'lxml')
>>> tag2 = tutorialsP.div
>>> tag2['class']
['tutorialsP']我们可以对我们的标签的属性进行各种修改（添加/删除/修改）。
>>> tag2['class'] = 'Online-Learning'
>>> tag2['style'] = '2007'
>>>
>>> tag2
<div class="Online-Learning" style="2007"></div>
>>> del tag2['style']
>>> tag2
<div class="Online-Learning"></div>
>>> del tag['class']
>>> tag
<b SecondAttribute="2">TutorialsPoint</b>
>>>
>>> del tag['SecondAttribute']
>>> tag
</b>
>>> tag2['class']
'Online-Learning'
>>> tag2['style']
KeyError: 'style'多值属性
有些HTML5属性可以有多个值。最常用的是class-attribute，它可以有多个CSS-values。其他属性包括 "rel"、"rev"、"headers"、"accesskey "和 "accept-charset"。beautifulsoup中的多值属性以列表形式显示。
>>> from bs4 import BeautifulSoup
>>>
>>> css_soup = BeautifulSoup('<p class="body"></p>')
>>> css_soup.p['class']
['body']
>>>
>>> css_soup = BeautifulSoup('<p class="body bold"></p>')
>>> css_soup.p['class']
['body', 'bold']然而，如果任何属性包含一个以上的值，但根据任何版本的HTML标准，它不是多值属性，beautifulsoup将不去管这个属性。 −
>>> id_soup = BeautifulSoup('<p id="body bold"></p>')
>>> id_soup.p['id']
'body bold'
>>> type(id_soup.p['id'])
<class 'str'>如果你把一个标签变成一个字符串，你可以合并多个属性值.
>>> rel_soup = BeautifulSoup("<p> tutorialspoint Main <a rel='Index'> Page</a></p>")
>>> rel_soup.a['rel']
['Index']
>>> rel_soup.a['rel'] = ['Index', ' Online Library, Its all Free']
>>> print(rel_soup.p)
<p> tutorialspoint Main <a rel="Index Online Library, Its all Free"> Page</a></p>通过使用’get_attribute_list’，你得到的值总是一个列表、字符串，而不管它是否是一个多值。
id_soup.p.get_attribute_list(‘id’)然而，如果你把文档解析为’xml’，就没有多值属性了 −
>>> xml_soup = BeautifulSoup('<p class="body bold"></p>', 'xml')
>>> xml_soup.p['class']
'body bold'NavigableString
navigablestring 对象被用来表示一个标签的内容。要访问其内容，请在标签中使用".string"。
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup("<h2 id='message'>Hello, Tutorialspoint!</h2>")
>>>
>>> soup.string
'Hello, Tutorialspoint!'
>>> type(soup.string)
>你可以用另一个字符串替换，但你不能编辑现有的字符串。
>>> soup = BeautifulSoup("<h2 id='message'>Hello, Tutorialspoint!</h2>")
>>> soup.string.replace_with("Online Learning!")
'Hello, Tutorialspoint!'
>>> soup.string
'Online Learning!'
>>> soup
<html><body><h2 id="message">Online Learning!</h2></body></html>BeautifulSoup
BeautifulSoup是当我们试图爬取一个网络资源时创建的对象。因此，它是我们试图爬取的完整文档。大多数情况下，它被视为标签对象。
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup("<h2 id='message'>Hello, Tutorialspoint!</h2>")
>>> type(soup)
<class 'bs4.BeautifulSoup'>
>>> soup.name
'[document]'注释
注释对象说明了网络文档的注释部分。它只是NavigableString的一个特殊类型。
>>> soup = BeautifulSoup('<p><!-- Everything inside it is COMMENTS --></p>')
>>> comment = soup.p.string
>>> type(comment)
<class 'bs4.element.Comment'>
>>> type(comment)
<class 'bs4.element.Comment'>
>>> print(soup.p.prettify())
<p>
<!-- Everything inside it is COMMENTS -->
</p>