Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2822字,纯文字阅读大概需要5分钟。
内容图文
![Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释](/upload/InfoBanner/zyjiaocheng/643/387e79c09e49466b8df7b971187e3439.jpg)
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('<b class="boldest">Extremely bold</b>','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('<p class="body strikeout"></p>','lxml')
print(css_soup.p['class'])
['body', 'strikeout']
rel_soup = BeautifulSoup('<p>Back to the <a rel="index">homepage</a></p>','lxml')
print(rel_soup.a['rel'])
rel_soup.a['rel'] = ['index', 'contents']
print(rel_soup.p)
['index']
<p>Back to the <a rel="index contents">homepage</a></p>
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('<p class="body strikeout"></p>', '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('<b class="boldest">Extremely bold</b>','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
<b class="boldest">No longer bold</b>
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 = "<b><!--Hey, buddy. Want to buy a used parser?--></b>"
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进步学习者 发布了33 篇原创文章 · 获赞 26 · 访问量 3万+ 私信 关注内容总结
以上是互联网集市为您收集整理的Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释全部内容,希望文章能够帮你解决Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。