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?'
当前文章:如何使用BeautifulSoup爬虫获取对象名、属性、注释
分享网址:http://myzitong.com/article/pshpos.html