如何使用BeautifulSoup爬虫获取对象名、属性、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

创新互联公司专注于企业网络营销推广、网站重做改版、汤阴网站定制设计、自适应品牌网站建设、H5响应式网站、商城开发、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为汤阴等各大城市提供网站开发制作服务。

1.Tag对象与XML或HTML原生文档中的tag相同。

from bs4 import BeautifulSoup
soup = BeautifulSoup('Extremely bold','lxml')
tag = soup.b
type(tag)
bs4.element.Tag
2.Tag的Name属性

每个tag都有自己的名字代理，通过.name来获取

tag.name
'b'
tag.name = "blockquote" # 对原始文档进行修改
tag

Extremely bold

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)

Extremely bold

删除属性

del tag['class']
del tag['id']
tag

Extremely bold

4.Tag的多值属性

多值属性会返回一个列表

css_soup = BeautifulSoup('

','lxml')
print(css_soup.p['class'])
1
2
['body', 'strikeout']
1
rel_soup = BeautifulSoup('

Back to the homepage

','lxml')
print(rel_soup.a['rel'])
rel_soup.a['rel'] = ['index', 'contents']
print(rel_soup.p)
['index']

Back to the homepage

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('

', 'xml')
xml_soup.p['class']

‘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('Extremely bold','lxml')
tag = soup.b
print(tag.string)
print(type(tag.string))
Extremely bold

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


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
No longer bold
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 = ""
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?'

文章名称：如何使用BeautifulSoup爬虫获取对象名、属性、注释
本文URL：http://dzwzjz.com/article/pshpos.html