Beautiful Soup 4.2.0 doc_tag、Name、Attributes、多值属性

找到了bs4的中文文档，对昨天爬虫程序里所涉及的bs4库进行学习。这篇代码涉及到tag、Name、Attributes以及多值属性。

  1 '''
  2 对象的种类
  3 Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象。
  4 所有对象可以归纳为4种: Tag , NavigableString , BeautifulSoup , Comment 。
  5 '''
  6 
  7 from bs4 import BeautifulSoup
  8 
  9 soup = BeautifulSoup('Extremely bold','lxml')
 10 tag = soup.b
 11 type(tag)
 12 #
 13 
 14 
 15 #TAG.NAME
 16 tag
 17 #Extremely bold
 18 tag.name
 19 #'b'
 20 tag.name = 'blockquote'
 21 tag
 22 #
Extremely bold
 23 '''
 24     即tag首的'<'后和tag尾''内，就是这个tag的名称.
 25     如果改变了tag的name,那将影响所有通过当前Beautiful Soup对象生成的HTML文档
 26 '''
 27 tag.name = 'b'
 28 
 29 
 30 #Attributes
 31 '''一个tag可以有多个属性。如tag ，他有一个"class"属性，值为"boldest"。'''
 32 #tag属性的操作方法与字典相同。
 33 tag['class']
 34 # u'boldest'
 35 tag.attrs     #“点”取属性
 36 # {u'class':u'boldest'}
 37 '''
 38 tag的属性可以被添加、删除或修改。tag的属性操作方法与字典一样。
 39 '''
 40 tag['class'] = 'verybold'    #属性查看
 41 tag['id'] = 1                #属性查看
 42 tag
 43 # 
Extremely bold
 44 
 45 del tag['class']             #属性删除
 46 del tag['id']                #属性删除
 47 tag
 48 # 
Extremely bold
 49 
 50 tag['class']                 #删除属性后查看，报错
 51 # KeyError: 'class'
 52 print(tag.get('class'))
 53 # None
 54 
 55 
 56 #多值属性
 57 '''
 58 最常见的多值属性是class，还有一些多值属性如 rel, rev, accept-charset, headers,accesskey等。
 59 多值属性在 BeautifulSoup 中的返回类型是list：
 60 '''
 61 css_soup = BeautifulSoup('
')  #这里虽然body和strikeout只用了一个空格隔开，但其仍然会被隔开返回。（大概因为在HTML的语法里这就代表了两个属性）
 62 css_soup.p['class']
 63 # ["body", "skrikeout"]
 64 
 65 css_soup = BeautifulSoup('
')
 66 css_soup.p['class']
 67 # ["body"]             #这里虽然class的属性只有一个值，但是因为class本身是一个多值属性，故返回了list
 68 '''
 69 （接上一行注释）而如果某个属性看上去有多个值，但在任何版本的HTML定义中都没有被定义为多值属性，
 70 那么BeautifulSoup会将这个属性作为字符串返回。如下↓
 71 '''
 72 id_soup = Beautiful('
')
 73 id_soup.p['id']
 74 # 'my id'
 75 '''
 76 将tag转换为字符串时，多值属性会合并为一个值
 77 '''
 78 rel_soup = BeautifulSoup('
Back to the homepage')
 79 rel_soup.a['rel']
 80 # ['index']
 81 rel_soup.a['rel'] = ['index','contents']#给a标签的rel属性添加值，转化在html里就是空格连接
 82 print(rel_soup.p)
 83 # 
Back to the homepage
 84 '''
 85 如果转换的文档是XML格式，那么tag中不包含多值属性
 86 '''
 87 xml_soup = BrautifulSoup('
','xml')#lxml有多值属性，xml没有
 88 xml_soup.p['class']             #xml里的class属性值输出出来仍然是（如非多值属性的）字符串形式，而非列表
 89 # u'body strikeout'
 90 
 91 
 92 #可以遍历的字符串
 93 '''
 94 字符串常被包含在tag内，BeautifulSoup用 NavigableString 类来包装tag中的字符串：
 95 '''
 96 tag.string
 97 # u'Extremely bold'
 98 type(tag.string)
 99 # 
100 '''
101 一个 NavigableString 字符串与Python中的Unicode字符串相同，
102 并且还支持包含在遍历文档树和搜索文档树中的一些特性，
103 通过unicode()方法可以直接将 NavigableString 对象转换成 Unicode 字符串：
104 '''
105 unicode_string = unicode(tag.string)
106 unicode_string
107 # u'Extremely bold'
108 type(unicode_string)
109 # 
110 '''
111 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：
112 '''