Python BeautifulSoup核心对象详解：Tag、NavigableString与Comment
本文深入解析Python BeautifulSoup库中的核心数据结构。详细讲解如何利用Tag对象获取HTML/XML标签名、读写属性及处理多值属性；介绍NavigableString类用于处理标签内文本及替换操作；阐述BeautifulSoup对象作为文档整体的特性，以及Comment对象在提取注释内容时的应用。
Tag对象基础与属性操作
一、Tag(标签)对象
Tag对象与XML或HTML原生文档中的tag相同。
from bs4 import BeautifulSoup
soup = BeautifulSoup('<b class="boldest">Extremely bold</b>','lxml')
tag = soup.b
type(tag)
bs4.element.Tag
二、Tag的Name属性
每个tag都有自己的名字，通过.name来获取
tag.name
'b'
tag.name = "blockquote" # 对原始文档进行修改
tag
<blockquote class="boldest">Extremely bold</blockquote>
三、Tag的Attributes属性
获取单个属性
tag['class']
['boldest']
按字典的方式获取全部属性
tag.attrs
{'class': ['boldest']}添加属性
tag['class'] = 'verybold'
tag['id'] = 1
print(tag)
<blockquote class="verybold" id="1">Extremely bold</blockquote>
删除属性
del tag['class']
del tag['id']
tag
<blockquote>Extremely bold</blockquote>
四、Tag的多值属性
多值属性会返回一个列表
css_soup = BeautifulSoup('<p class="body strikeout"></p>','lxml')
print(css_soup.p['class'])
['body', 'strikeout']
rel_soup = BeautifulSoup('<p>Back to the <a rel="index">homepage</a></p>','lxml')
print(rel_soup.a['rel'])
rel_soup.a['rel'] = ['index', 'contents']
print(rel_soup.p)
['index']
<p>Back to the <a rel="index contents">homepage</a></p>如果转换的文档是XML格式，那么tag中不包含多值属性
xml_soup = BeautifulSoup('<p class="body strikeout"></p>', 'xml')
xml_soup.p['class']
'body strikeout'NavigableString与文本处理
五、可遍历字符串(NavigableString)
字符串常被包含在tag内，使用NavigableString类来包装tag中的字符串
from bs4 import BeautifulSoup
soup = BeautifulSoup('<b class="boldest">Extremely bold</b>','lxml')
tag = soup.b
print(tag.string)
print(type(tag.string))
Extremely bold
<class 'bs4.element.NavigableString'>一个 NavigableString 字符串与Python中的str字符串相同，通过str() 方法可以直接将 NavigableString 对象转换成str字符串
unicode_string = str(tag.string)
print(unicode_string)
print(type(unicode_string))
Extremely bold
<class 'str'>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
<b class="boldest">No longer bold</b>
BeautifulSoup对象与Comment注释
六、BeautifulSoup对象 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,它支持 遍历文档树 和 搜索文档树 中描述的大部分的方法。
七、注释与特殊字符串(Comment)对象
markup = "<b><!--Hey, buddy. Want to buy a used parser?--></b>"
soup = BeautifulSoup(markup,'lxml')
comment = soup.b.string
type(comment)
bs4.element.Comment
Comment 对象是一个特殊类型的 NavigableString 对象
comment
'Hey, buddy. Want to buy a used parser?'更多关于Python爬虫库BeautifulSoup的使用方法请查看下面的相关链接
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
