Beautiful Soup 4.2.0 doc_tag、Name、Attributes、多值屬性

找到了bs4的中文文檔，對昨天爬蟲程序裏所涉及的bs4庫進行學習。這篇代碼涉及到tag、Name、Attributes以及多值屬性。

  1 '''
  2 對象的種類
  3 Beautiful Soup將複雜HTML文檔轉換成一個複雜的樹形結構,每一個節點都是Python對象。
  4 全部對象能夠概括爲4種: Tag , NavigableString , BeautifulSoup , Comment 。
  5 '''
  6 
  7 from bs4 import BeautifulSoup
  8 
  9 soup = BeautifulSoup('<b class="boldest">Extremely bold</b>','lxml')
 10 tag = soup.b
 11 type(tag)
 12 #<class 'bs4.element.Tag'>
 13 
 14 
 15 #TAG.NAME
 16 tag
 17 #<b class="boldest">Extremely bold</b>
 18 tag.name
 19 #'b'
 20 tag.name = 'blockquote'
 21 tag
 22 #<blockquote class="boldest">Extremely bold</blockquote>
 23 '''
 24     即tag首的'<'後和tag尾'</>'內，就是這個tag的名稱.
 25     若是改變了tag的name,那將影響全部經過當前Beautiful Soup對象生成的HTML文檔
 26 '''
 27 tag.name = 'b'
 28 
 29 
 30 #Attributes
 31 '''一個tag能夠有多個屬性。如tag <b class="boldest">，他有一個"class"屬性，值爲"boldest"。'''
 32 #tag屬性的操做方法與字典相同。
 33 tag['class']
 34 # u'boldest'
 35 tag.attrs     #「點」取屬性
 36 # {u'class':u'boldest'}
 37 '''
 38 tag的屬性能夠被添加、刪除或修改。tag的屬性操做方法與字典同樣。
 39 '''
 40 tag['class'] = 'verybold'    #屬性查看
 41 tag['id'] = 1                #屬性查看
 42 tag
 43 # <blockquote class="verybold" id="1">Extremely bold</blockquote>
 44 
 45 del tag['class']             #屬性刪除
 46 del tag['id']                #屬性刪除
 47 tag
 48 # <blockquote>Extremely bold</blockquote>
 49 
 50 tag['class']                 #刪除屬性後查看，報錯
 51 # KeyError: 'class'
 52 print(tag.get('class'))
 53 # None
 54 
 55 
 56 #多值屬性
 57 '''
 58 最多見的多值屬性是class，還有一些多值屬性如 rel, rev, accept-charset, headers,accesskey等。
 59 多值屬性在 BeautifulSoup 中的返回類型是list：
 60 '''
 61 css_soup = BeautifulSoup('<p class="body strikeout"></p>')  #這裏雖然body和strikeout只用了一個空格隔開，但其仍然會被隔開返回。（大概由於在HTML的語法裏這就表明了兩個屬性）
 62 css_soup.p['class']
 63 # ["body", "skrikeout"]
 64 
 65 css_soup = BeautifulSoup('<p class="body"></p>')
 66 css_soup.p['class']
 67 # ["body"]             #這裏雖然class的屬性只有一個值，可是由於class自己是一個多值屬性，故返回了list
 68 '''
 69 （接上一行註釋）而若是某個屬性看上去有多個值，但在任何版本的HTML定義中都沒有被定義爲多值屬性，
 70 那麼BeautifulSoup會將這個屬性做爲字符串返回。以下↓
 71 '''
 72 id_soup = Beautiful('<p id="my id"></p>')
 73 id_soup.p['id']
 74 # 'my id'
 75 '''
 76 將tag轉換爲字符串時，多值屬性會合併爲一個值
 77 '''
 78 rel_soup = BeautifulSoup('<p>Back to the <a rel="index">homepage</a></p>')
 79 rel_soup.a['rel']
 80 # ['index']
 81 rel_soup.a['rel'] = ['index','contents']#給a標籤的rel屬性添加值，轉化在html裏就是空格鏈接
 82 print(rel_soup.p)
 83 # <p>Back to the <a rel="index contents">homepage</a></p>
 84 '''
 85 若是轉換的文檔是XML格式，那麼tag中不包含多值屬性
 86 '''
 87 xml_soup = BrautifulSoup('<p class="body strikeout"></p>','xml')#lxml有多值屬性，xml沒有
 88 xml_soup.p['class']             #xml裏的class屬性值輸出出來仍然是（如非多值屬性的）字符串形式，而非列表
 89 # u'body strikeout'
 90 
 91 
 92 #能夠遍歷的字符串
 93 '''
 94 字符串常被包含在tag內，BeautifulSoup用 NavigableString 類來包裝tag中的字符串：
 95 '''
 96 tag.string
 97 # u'Extremely bold'
 98 type(tag.string)
 99 # <class 'bs4.element.NavigableString'>
100 '''
101 一個 NavigableString 字符串與Python中的Unicode字符串相同，
102 而且還支持包含在遍歷文檔樹和搜索文檔樹中的一些特性，
103 經過unicode()方法能夠直接將 NavigableString 對象轉換成 Unicode 字符串：
104 '''
105 unicode_string = unicode(tag.string)
106 unicode_string
107 # u'Extremely bold'
108 type(unicode_string)
109 # <type 'unicode'>
110 '''
111 tag中包含的字符串不能編輯，可是能夠被替換成其它的字符串，用replace_with()方法：
112 '''