BeautifulSoap庫入門

1. BeautifulSoup類的基本元素

基本元素	說明
Tag	標籤，最基本的信息組織單元，分別用<>和</>標明開頭和結尾
Name	標籤的名字，<p>…</p>的名字是'p'，格式：<tag>.name
Attributes	標籤的屬性，字典形式組織，格式：<tag>.attrs
NavigableString	標籤內非屬性字符串，<>…</>中字符串，格式：<tag>.string
Comment	標籤內字符串的註釋部分，一種特殊的Comment類型

注：任何存在於HTML語法中的標籤均可以用soup.<tag>訪問得到
當HTML文檔中存在多個相同<tag>對應內容時，soup.<tag>返回第一個

#基本類型
print(soup.title)
print(soup.a)
print(soup.a.parent.name)
print(soup.a.parent.parent.name)
print(soup.a.attrs)
print(soup.a.attrs['class'])
print(soup.a.attrs['href'])
print(type(soup.a.attrs))
print(type(soup.a))

print(soup.a.string)
print(soup.p)
print(soup.p.string)
print(type(soup.p.string))
#

#HTML註釋
newsoup = BeautifulSoup("<b><!--This is a comment--></b><p>This is not a comment</p>","html.parser")
print(newsoup.b.string)
print(type(newsoup.b.string))
print(newsoup.p.string)
print(type(newsoup.p.string))

1. 基於bs4庫的HTML格式輸出

print(soup.prettify())