python爬蟲提取a标簽_Python爬蟲庫BeautifulSoup擷取對象(标簽)名,屬性,内容,注釋

一、Tag(标簽)對象

1.Tag對象與XML或HTML原生文檔中的tag相同。

from bs4 import BeautifulSoup

soup = BeautifulSoup('

Extremely bold

','lxml')

tag = soup.b

type(tag)

bs4.element.Tag

2.Tag的Name屬性

每個tag都有自己的名字，通過.name來擷取

tag.name

'b'

tag.name = "blockquote" # 對原始文檔進行修改

tag

Extremely bold

3.Tag的Attributes屬性

擷取單個屬性

tag['class']

['boldest']

按字典的方式擷取全部屬性

tag.attrs

{'class': ['boldest']}

添加屬性

tag['class'] = 'verybold'

tag['id'] = 1

print(tag)

Extremely bold

删除屬性

del tag['class']

del tag['id']

tag

Extremely bold

4.Tag的多值屬性

多值屬性會傳回一個清單

css_soup = BeautifulSoup('

','lxml')

print(css_soup.p['class'])

['body', 'strikeout']

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

如果轉換的文檔是XML格式，那麼tag中不包含多值屬性

xml_soup = BeautifulSoup('

', 'xml')

xml_soup.p['class']

'body strikeout'

二、可周遊字元串(NavigableString)

1.字元串常被包含在tag内，使用NavigableString類來包裝tag中的字元串

from bs4 import BeautifulSoup

soup = BeautifulSoup('

Extremely bold

','lxml')

tag = soup.b

print(tag.string)

print(type(tag.string))

Extremely bold

2.一個 NavigableString 字元串與Python中的str字元串相同，通過str() 方法可以直接将 NavigableString 對象轉換成str字元串

unicode_string = str(tag.string)

print(unicode_string)

print(type(unicode_string))

Extremely bold

3.tag中包含的字元串不能編輯,但是可以被替換成其它的字元串,用 replace_with() 方法

tag.string.replace_with("No longer bold")

tag

No longer bold

三、BeautifulSoup對象 BeautifulSoup 對象表示的是一個文檔的全部内容。

大部分時候,可以把它當作 Tag 對象,它支援 周遊文檔樹 和 搜尋文檔樹 中描述的大部分的方法。

四、注釋與特殊字元串(Comment)對象

markup = "

"

soup = BeautifulSoup(markup,'lxml')

comment = soup.b.string

type(comment)

bs4.element.Comment

Comment 對象是一個特殊類型的 NavigableString 對象

comment

'Hey, buddy. Want to buy a used parser?'

更多關于Python爬蟲庫BeautifulSoup的使用方法請檢視下面的相關連結