Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释

Love The Way You Lie 2023-07-06 14:39 1阅读 0赞

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('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，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('','lxml')
 print(css_soup.p['class'])

['body', 'strikeout']

rel_soup = BeautifulSoup('Back to the <a rel="index">homepage</a>','lxml')
 print(rel_soup.a['rel'])
 rel_soup.a['rel'] = ['index', 'contents']
 print(rel_soup.p)

['index']
 Back to the <a rel="index contents">homepage</a>

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']
 
 ```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('Extremely bold','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

No longer bold

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?'

推荐我们的python学习基地，看前辈们是如何学习的！从基础的python脚本、爬虫、django、数据挖掘等编程技术，还有整理零基础到项目实战的资料，送给每一位爱学习python的小伙伴！每天都有老前辈定时讲解Python技术，分享一些学习的方法和需要留意的小细节，点击加入我们的 [python学习者聚集地][python]

[python]: https://jq.qq.com/?_wv=1027&k=5ipV5It