Python爬虫库BeautifulSoup获取对象名,属性,内容,注释

如何利用Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释等操作下面就为大家介绍一下 一、Tag(标签)对象 1.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 2.Tag的Name属性 每个tag都有自己的名字智汇返佣http://www.kaifx.cn/broker/thinkmarkets.html ，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> 3.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> 4.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']) 1 2 ['body', 'strikeout'] 1 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> 1 2 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'] ```bash ‘body strikeout’ 二、可遍历字符串(NavigableString) 1.字符串常被包含在tag内，使用NavigableString类来包装tag中的字符串 ```bash 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'> 2.一个 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'> 3.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> 1 三、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。 四、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?'