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

 '''

 对象的种类

 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。

 所有对象可以归纳为4种: Tag , NavigableString , BeautifulSoup , Comment 。

 '''

 from bs4 import BeautifulSoup

 soup = BeautifulSoup('<b class="boldest">Extremely bold</b>','lxml')

 tag = soup.b

 type(tag)

 #<class 'bs4.element.Tag'>

 #TAG.NAME

 tag

 #<b class="boldest">Extremely bold</b>

 tag.name

 #'b'

 tag.name = 'blockquote'

 tag

 #<blockquote class="boldest">Extremely bold</blockquote>

 '''

     即tag首的'<'后和tag尾'</>'内，就是这个tag的名称.

     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

 '''

 tag.name = 'b'

 #Attributes

 '''一个tag可以有多个属性。如tag <b class="boldest">，他有一个"class"属性，值为"boldest"。'''

 #tag属性的操作方法与字典相同。

 tag['class']

 # u'boldest'

 tag.attrs     #“点”取属性

 # {u'class':u'boldest'}

 '''

 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。

 '''

 tag['class'] = 'verybold'    #属性查看

 tag['id'] = 1                #属性查看

 tag

 # <blockquote class="verybold" id="1">Extremely bold</blockquote>

 del tag['class']             #属性删除

 del tag['id']                #属性删除

 tag

 # <blockquote>Extremely bold</blockquote>

 tag['class']                 #删除属性后查看，报错

 # KeyError: 'class'

 print(tag.get('class'))

 # None

 #多值属性

 '''

 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。

 多值属性在 BeautifulSoup 中的返回类型是list：

 '''

 css_soup = BeautifulSoup('<p class="body strikeout"></p>')  #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）

 css_soup.p['class']

 # ["body", "skrikeout"]

 css_soup = BeautifulSoup('<p class="body"></p>')

 css_soup.p['class']

 # ["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

 '''

 （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，

 那么BeautifulSoup会将这个属性作为字符串返回。如下↓

 '''

 id_soup = Beautiful('<p id="my id"></p>')

 id_soup.p['id']

 # 'my id'

 '''

 将tag转换为字符串时，多值属性会合并为一个值

 '''

 rel_soup = BeautifulSoup('<p>Back to the <a rel="index">homepage</a></p>')

 rel_soup.a['rel']

 # ['index']

 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

 print(rel_soup.p)

 # <p>Back to the <a rel="index contents">homepage</a></p>

 '''

 如果转换的文档是XML格式，那么tag中不包含多值属性

 '''

 xml_soup = BrautifulSoup('<p class="body strikeout"></p>','xml')#lxml有多值属性，xml没有

 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

 # u'body strikeout'

 #可以遍历的字符串

 '''

 字符串常被包含在tag内，BeautifulSoup用 NavigableString 类来包装tag中的字符串：

 '''

 tag.string

 # u'Extremely bold'

 type(tag.string)

 # <class 'bs4.element.NavigableString'>

 '''

 一个 NavigableString 字符串与Python中的Unicode字符串相同，

 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，

 通过unicode()方法可以直接将 NavigableString 对象转换成 Unicode 字符串：

 '''

 unicode_string = unicode(tag.string)

 unicode_string

 # u'Extremely bold'

 type(unicode_string)

 # <type 'unicode'>

 '''

 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：

 '''