BeautifulSoup四大对象种类与常用解析器

目录

一.四大对象种类

1.Tag（标签）

2.NavigableString（可导航字符串）

3.BeautifulSoup

4.Comment（注释）

二.常用解析器

1.html.parser

2.lxml

3.html5lib

---

一.四大对象种类

        BeautifulSoup 是一个用于解析 HTML 和 XML 文件的 Python 库，它提供了四种主要的对象类型：

1.Tag（标签）

        Tag 对象表示 HTML 或 XML 中的标签，例如

、

、等，Tag对象可 以包含其他标签、文本内容和属性，是BeautifulSoup中最常用的对象类型。

2.NavigableString（可导航字符串）

        NavigableString 对象表示 HTML 或 XML 中的文本内容。它是标签内部的文本部分，可以通过 Tag 对象的 .string 属性或 .get_text() 方法获取。NavigableString 对象具有字符串的特性，可以进行各种字符串操作。

3.BeautifulSoup

        BeautifulSoup 对象是整个文档的表示。它由解析器解析 HTML 或 XML 文件得到，并提供了对整个文档的遍历、搜索和修改功能。BeautifulSoup 对象是使用 BeautifulSoup 构造函数创建的，通常将解析器的名称和要解析的文档作为参数传递给构造函数。

4.Comment（注释）

        Comment 对象表示 HTML 或 XML 中的注释部分。它是一种特殊的 NavigableString 对象，可以通过 Tag 对象的 .string 属性或 .get_text() 方法获取。注释部分在解析文档时通常会被忽略，但在需要时可以提取和处理。

        这些对象类型在 BeautifulSoup 中相互关联，共同构成了对 HTML 或 XML 文档的完整表示和操作方式。

        例如以下为对这四种对象的解析：

from bs4 import BeautifulSoup

# 假设有一个名为 "example.html" 的 HTML 文件
with open("example.html") as file:
    soup = BeautifulSoup(file, "html.parser")  # 创建 BeautifulSoup 对象

# 使用 Tag 对象
first_div = soup.find("div")  # 查找第一个 
 标签
print(first_div.text)  # 输出 
 标签内的文本内容

# 使用 NavigableString 对象
first_p = soup.find("p")  # 查找第一个 
 标签
print(first_p.string)  # 输出 
 标签内的文本内容

# 使用 BeautifulSoup 对象
title = soup.title  # 获取文档的