BeautifulSoup文档2-详细方法 | 对象的种类有哪些?

时间:2023-02-15 11:28:26

(2-详细方法 | 对象的种类有哪些?)

1 使用细节

  • 将一段文档传入BeautifulSoup 的构造方法,就能得到一个文档的对象,;
  • 可以传入一段字符串或一个文件句柄,比如:
from bs4 import BeautifulSoup

soup = BeautifulSoup(open("index.html"))

soup = BeautifulSoup("<html>data</html>")

2 对象的种类

2.1 种类说明

  • Beautiful SoupHTML文档转换成一个树形结构,每个节点都是Python对象;
  • 所有对象为4种: Tag , NavigableString , BeautifulSoup , Comment .

2.2 Tag对象

  • XMLHTML原生文档中的tag相同;
# -*- coding:utf-8 -*-
# 作者:NoamaNelson
# 日期:2023/2/14 
# 文件名称:bs02.py
# 作用:BeautifulSoup的使用
# 联系:VX(NoamaNelson)
# 博客:https://blog.csdn.net/NoamaNelson


from bs4 import BeautifulSoup

soup = BeautifulSoup('<b class="boldest">Extremely bold</b>', 'html.parser')
tag = soup.b
print(type(tag))
  • 输出为:
<class 'bs4.element.Tag'>
  • tag很很多属性,两个最重要的属性: name和attributes

2.2.1 name属性

  • 通过.name 来获取tag的名字;
print(tag.name)
  • 输出为:
b
  • 可以修改tag的name:
tag.name = "blockquote"
print(tag)
  • 输出为:
<blockquote class="boldest">Extremely bold</blockquote>

2.2.2 attributes属性

  • 一个tag可能有很多个属性. tag <b class="boldest"> 有一个 “class” 的属性,值为 “boldest” . tag的属性的操作方法与字典相同:
print(tag["class"])
  • 输出为:
['boldest']
  • 也可以直接”点”取属性, 比如: .attrs
print(tag.attrs)
  • 输出为:
{'class': ['boldest']}
  • tag的属性可以被添加,删除或修改. 操作方法与字典一样:
tag['class'] = 'verybold'
tag['id'] = 1
print(tag)

del tag['class']
del tag['id']
print(tag)

print(tag.get('class'))

  • 输出为:
<blockquote class="verybold" >Extremely bold</blockquote>
<blockquote>Extremely bold</blockquote>
None

2.2.3 多值属性

  • 最常见的多值的属性是 class (一个tag可以有多个CSS的class).;
  • 还有一些属性 rel , rev , accept-charset , headers , accesskey .;
  • Beautiful Soup中多值属性的返回类型是list:
# 多值属性
css_soup = BeautifulSoup('<p class="body strikeout"></p>', 'html.parser')
print(css_soup.p['class'])

css_soup = BeautifulSoup('<p class="body"></p>', 'html.parser')
print(css_soup.p['class'])
  • 输出为:
['body', 'strikeout']
['body']

2.3 NavigableString对象

  • NavigableString 类来包装tag中的字符串;
# NavigableString类
soup = BeautifulSoup('<b class="boldest">Extremely bold</b>', 'html.parser')
print(tag.string)
print(type(tag.string))
  • 输出为:
Extremely bold
<class 'bs4.element.NavigableString'>
  • 使用 replace_with() 方法替换tag中的字符串:
# replace_with() 方法
tag.string.replace_with("No longer bold")
print(tag)
  • 输出为:
<blockquote>No longer bold</blockquote>

2.4 BeautifulSoup对象

  • BeautifulSoup 对象表示的是一个文档的全部内容;
  • 它支持 遍历文档树搜索文档树 中描述的大部分的方法;
  • 包含了一个值为 “[document]” 的特殊属性:
# BeautifulSoup类
# [document]属性
print(soup.name)
  • 输出为:
[document]

2.5 Comment对象

  • Comment 对象是一个特殊类型的 NavigableString 对象;
  • Comment可以对注释进行解析;
# Comment对象
markup = "<b><!--Hey, buddy. Want to buy a used parser?--></b>"
soup = BeautifulSoup(markup, 'html.parser')
comment = soup.b.string
print(comment)
print(type(comment))
  • 输出为:
Hey, buddy. Want to buy a used parser?
<class 'bs4.element.Comment'>

3 本文涉及的源码

# -*- coding:utf-8 -*-
# 作者:NoamaNelson
# 日期:2023/2/14 
# 文件名称:bs02.py
# 作用:BeautifulSoup的使用
# 联系:VX(NoamaNelson)
# 博客:https://blog.csdn.net/NoamaNelson


from bs4 import BeautifulSoup

# name属性
soup = BeautifulSoup('<b class="boldest">Extremely bold</b>', 'html.parser')
tag = soup.b
print(type(tag))
print(tag.name)

# 修改name
tag.name = "blockquote"
print(tag)
print(tag["class"])

# Attributes属性
print(tag.attrs)

# tag属性修改删除等操作
tag['class'] = 'verybold'
tag['id'] = 1
print(tag)
del tag['class']
del tag['id']
print(tag)
print(tag.get('class'))


# 多值属性
css_soup = BeautifulSoup('<p class="body strikeout"></p>', 'html.parser')
print(css_soup.p['class'])

css_soup = BeautifulSoup('<p class="body"></p>', 'html.parser')
print(css_soup.p['class'])

# NavigableString类
print(tag.string)
print(type(tag.string))
# replace_with() 方法
tag.string.replace_with("No longer bold")
print(tag)

# BeautifulSoup类
# [document]属性
print(soup.name)
# Comment对象
markup = "<b><!--Hey, buddy. Want to buy a used parser?--></b>"
soup = BeautifulSoup(markup, 'html.parser')
comment = soup.b.string
print(comment)
print(type(comment))