这篇博客介绍了如何使用BeautifulSoup库来解析HTML文档。通过soup对象，可以方便地获取标签如p、a、head和title的内容。文章强调了soup对象的便利性，并指出其查找的是第一个匹配的标签。此外，还提到了NavigableString对象用于处理标签内的文本，以及Comment对象处理HTML注释。在使用中，需要注意Comment对象可能带来的潜在问题，并提供了检查是否为Comment类型的代码示例。
(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~
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
