Python网络爬虫与信息提取入门<8>

我们启动IDLE来看一下：       

假设我们有了一锅汤叫soup: 这是a标签的信息，a标签的string我们来用.string来实现：

这里面我们看到这个tag标签中表达的信息是Basic Python。

下面我们在看一下P标签：看一下P标签的 字符串信息，那我们说这个string是一个NavigableString 类型，我们看一下他的类型表达。看一下P标签的字符串信息：

我们可以看到NavigableString也是一个bs4库定义的类型。

这里面针对P标签的实例我们要需要注意一下，我们可以看到在P标签中实际上还包含了b标签，但是当我们输出soup.p.string的时候，我们打印的string并不包含b标签，这说明NavigebleString是可以跨越多个标签层次的。

下面我们来看一下tag的另外一种类型叫comment类型，commment是注释的意思，标识的是如果HTML页面中出现注释的部分该怎么处理。这里面我们给出一个小的实例：

我们打开IDLE，我们新做一锅汤：

看到这个例子中我们有一个b标签里面给出了一个注释。这里面需要注意的是在HTML页面的表达中我们用<>!表示一个注释的开始。那么P标签中呢给出的信息并不是一个注释。

我们看一下b标签的string，b标签打印出了注释内容：

我们看一下他的类型，

他是一个bs4.element.Comment类型。

我们再看一下P标签：

我们发现p标签是一个字符串，同时他的类型是一个NavigableString类型。这里面其实很奇怪，我们对b标签和p标签分别用.string的时候都能产生一段文本，但是当这个文本是注释的时候，它并没有标明它是注释，也就是说它的<>和！被去掉了。所以有时候在我们分析文档的时候，我们需要对其中的注释部分做相关的判断，而判断的依据就是他的类型。这种情况呢在我们实际分析文本中并不常用，所以做一个基本了解就可以。我们刚才讲到beautifulsoup类的基本类型，我们在复习一下：

beautifulsoup类有5种基本元素分别是标签、标签的名字、标签的属性、标签中非属性的字符串以及注释部分。理解好beautifulsoup类有5种基本元素是使用beautifulsoup库的基础。

这里面我们再看一下他的具体使用方法：

我们可以.tag方式来获得标签信息，比如说我们用soup.a来获得a标签，soup.p来获得p标签。我们可以用.name的方式来获得标签的名字，比如说p.name。我们可以用.attrs来获得标签的属性。这里面无论是否一个标签存在属性，他都会返回一个字典类型。

对于标签之间的字符串我们可以用.string的方式来获取，获取过程中如果其中存在注释，那么他会返回一个特殊的注释类型，如果我们不希望提取注释信息，需要对这种做相关的判断。上述五种基本类型实际上给出了beautifulsoup库的基本使用，后面我们会在更多的例子中使用它们。