三分钟读懂BeautifulSoup中的四大对象种类
四大对象种类
Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种:
（1）Tag
（2）NavigableString
（4）Comment
1. Tag
Tag 通俗点讲就是 HTML 中的一个个标签，例如：
from bs4 import BeautifulSouphtml = """
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div>
"""
# 创建 Beautiful Soup 对象
soup = BeautifulSoup(html, "lxml")
print(soup.li) # <li class="item-0"><a href="link1.html">first item</a></li>
print(soup.a) # <a href="link1.html">first item</a>
print(soup.span) # <span class="bold">third item</span>
print(soup.p) # None
print(type(soup.li)) # <class 'bs4.element.Tag'>
我们可以利用 soup 加标签名轻松地获取这些标签的内容，这些对象的类型是bs4.element.Tag。但是注意，它查找的是在所有内容中的第一个符合要求的标签。如果要查询所有的标签，后面会进行介绍。
对于 Tag，它有两个重要的属性，是name和attrs。
from bs4 import BeautifulSouphtml = """
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div>
"""
# 创建 Beautiful Soup 对象
soup = BeautifulSoup(html, "lxml")
print(soup.li.attrs) # {'class': ['item-0']}
print(soup.li["class"]) # ['item-0']
print(soup.li.get('class')) # ['item-0']
print(soup.li) # <li class="item-0"><a href="link1.html">first item</a></li>
soup.li["class"] = "newClass" # 可以对这些属性和内容等等进行修改
print(soup.li) # <li class="newClass"><a href="link1.html">first item</a></li>
del soup.li['class'] # 还可以对这个属性进行删除
print(soup.li) # <li><a href="link1.html">first item</a></li>
相关推荐：《Python相关教程》
2. NavigableString
既然我们已经得到了标签的内容，那么问题来了，我们要想获取标签内部的文字怎么办呢？很简单，用 .string 即可，例如
from bs4 import BeautifulSouphtml = """
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div>
"""
# 创建 Beautiful Soup 对象
soup = BeautifulSoup(html, "lxml")
print(soup.li.string) # first item
print(soup.a.string) # first item
print(soup.span.string) # third item
# print(soup.p.string) # AttributeError: 'NoneType' object has no attribute 'string'
print(type(soup.li.string)) # <class 'bs4.element.NavigableString'>
3. BeautifulSoup
BeautifulSoup 对象表示的是一个文档的内容。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，以及属性来感受一下。
from bs4 import BeautifulSouphtml = """
<div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div>
"""
# 创建 Beautiful Soup 对象
soup = BeautifulSoup(html, "lxml")
print(soup.name) # [document]
print(soup.attrs) # {}, 文档本身的属性为空
print(type(soup.name)) # <class 'str'>
4. Comment
Comment 对象是一个特殊类型的 NavigableString 对象，其输出的内容不包括注释符号。
from bs4 import BeautifulSoup
html = """
<div>
<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>
</div>
"""
# 创建 Beautiful Soup 对象
soup = BeautifulSoup(html, "lxml")
print(soup.a) # <a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>
print(soup.a.string) # Elsie
print(type(soup.a.string)) # <class 'bs4.element.Comment'>
a 标签里的内容实际上是注释，但是如果我们利用 .string 来输出它的内容时，注释符号已经去掉了。
以上是 三分钟读懂BeautifulSoup中的四大对象种类 的全部内容， 来源链接： utcz.com/z/523553.html
