BeautifulSoup 学习笔记（不断更新）

学习内容来自文档，主要将其内容翻译一下和做个简单的笔记

构造bs对象

1	bs = bs4.BeautifulSoup(html) #传入一段html文本即可

tag对象，可以直接通过bs对象.标签名得到

1
2

head = bs.html.head #通过树形结构，索引到html标签下面的head标签及其包含的内容
a = bs.html.head.a #同理，不过如果head下面有多个a，这样的索引会返回第一个a

tag对象，标签名

# <meta></meta>
name = tag.name #标签的名字，str对象
#'meta'
tag.name = 'table' #直接更改这个标签！

tag对象，操作属性

print tag['class'] #[]得到class属性的值，unicode对象
tag['class'] = 'xxx' #直接修改属性的值
tag.attrs #返回一个字典，所有的｛属性：值｝
tag['xyz'] = 'abc' #如果没有xyz这个属性，将新增这个属性

tag对象，返回string

1
2
3

# <a>this is a string</a>
s = a.string #s是一个unicode对象，编码一下就成了str，串的内容就是'this is a string'
# u'this is a string'

tag对象，返回strings

strings = head.strings
for s in strings:
    print(repr(s))
#打印出head里面的所有string，每个都是unicode对象，需要编码成str
#测试发现，strings的对象类型为<type 'generator'>
#另发，这个for第一次能输出，之后就没有内容了

tag对象，contents

tagList = html.contents 
#将html里面的所有tag找出来，一个一个存入list中
#tagList的项数是2，就是head和body，无论head，body里面有多少标签（按级别来划分）
#<html>
#<head>
#</head>
#<body>
#</body>
#</html>

tag对象，输出

1	tag.prettify() #以非常标准的格式输出，返回的是unicode对象