BeautifulSoup的四大對象種類是什么

BeautifulSoup的四大對象種類是什么？很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

四大對象種類

Beautiful Soup將復(fù)雜HTML文檔轉(zhuǎn)換成一個復(fù)雜的樹形結(jié)構(gòu),每個節(jié)點都是Python對象,所有對象可以歸納為4種:

（1）Tag

（2）NavigableString

（3）BeautifulSoup

（4）Comment

1. Tag

Tag 通俗點講就是 HTML 中的一個個標(biāo)簽，例如：

from bs4 import BeautifulSoup
html = """
<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>
"""
# 創(chuàng)建 Beautiful Soup 對象
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'>

我們可以利用 soup 加標(biāo)簽名輕松地獲取這些標(biāo)簽的內(nèi)容，這些對象的類型是bs4.element.Tag。但是注意，它查找的是在所有內(nèi)容中的第一個符合要求的標(biāo)簽。如果要查詢所有的標(biāo)簽，后面會進(jìn)行介紹。

對于 Tag，它有兩個重要的屬性，是name和attrs。

from bs4 import BeautifulSoup
html = """
<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>
"""
# 創(chuàng)建 Beautiful Soup 對象
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"  # 可以對這些屬性和內(nèi)容等等進(jìn)行修改
print(soup.li)  # <li class="newClass"><a href="link1.html">first item</a></li>
del soup.li['class']  # 還可以對這個屬性進(jìn)行刪除
print(soup.li)  # <li><a href="link1.html">first item</a></li>

2. NavigableString

既然我們已經(jīng)得到了標(biāo)簽的內(nèi)容，那么問題來了，我們要想獲取標(biāo)簽內(nèi)部的文字怎么辦呢？很簡單，用 .string 即可，例如

from bs4 import BeautifulSoup
html = """
<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>
"""
# 創(chuàng)建 Beautiful Soup 對象
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 對象表示的是一個文檔的內(nèi)容。大部分時候,可以把它當(dāng)作 Tag 對象，是一個特殊的 Tag，我們可以分別獲取它的類型，名稱，以及屬性來感受一下。

from bs4 import BeautifulSoup
html = """
<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>
"""
# 創(chuàng)建 Beautiful Soup 對象
soup = BeautifulSoup(html, "lxml")
print(soup.name)  # [document]
print(soup.attrs)  # {}, 文檔本身的屬性為空
print(type(soup.name))  # <class 'str'>

4. Comment

Comment 對象是一個特殊類型的 NavigableString 對象，其輸出的內(nèi)容不包括注釋符號。

from bs4 import BeautifulSoup
 
html = """
<div>
   <a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>
</div>
"""
 
# 創(chuàng)建 Beautiful Soup 對象
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 標(biāo)簽里的內(nèi)容實際上是注釋，但是如果我們利用 .string 來輸出它的內(nèi)容時，注釋符號已經(jīng)去掉了。

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識有進(jìn)一步的了解或閱讀更多相關(guān)文章，請關(guān)注億速云行業(yè)資訊頻道，感謝您對億速云的支持。