BeautifulSoup將復雜的HTML文檔轉換成一個復雜的樹形結構.每個節點都是Python對象.所有對象可以歸納為四種:Tag , NavigableString , BeautifulSoup , Comment .

　　　　1.Tag對象最重要的屬性:Name:標簽的名字；attributes:屬性(用class指代)

　　　　2.BeautifulSoup 對象表示的是一個文檔的全部內容.大部分時候,可以把它當作 Tag 對象,它支持 遍歷文檔樹 和 搜索文檔樹 中描述的大部分的方法.因為 BeautifulSoup 對象並不是真正的HTML或XML的tag,所以它沒有name和attribute屬性.但有時查看它的 .name

　　　　3.字符串常被包含在tag內.Beautiful Soup用 NavigableString 類來包裝tag中的字符串,如果想在Beautiful Soup之外使用 NavigableString 對象,需要調用 unicode() 方法,將該對象轉換成普通的Unicode字符串,否則就算Beautiful Soup已方法已經執行結束,該對象的輸出也會帶有對象的引用地址.這樣會浪費內存.

　　　　4.Comment 對象是一個特殊類型的 NavigableString

　　既然BeautifulSoup將html文檔轉換為復雜的樹形結構，然後來介紹如何遍歷html文檔樹:

　　　　子節點:.contents將子節點以列表的方式輸出（含內容);.children返回子節點的列表生成器，可以遍歷輸出;contents和children只查找第一個子節點，而.descendants可對所有子節點進行遞歸循環;

　　　　父節點:.parent 屬性來獲取某個標簽或字符串的父節點;.parents 屬性可以遞歸得到元素的所有父輩節點

　　　　兄弟節點:.next_sibling獲取下一個兄弟節點; .previous_sibling獲取前一個兄弟節點,同樣加s返回所有前或者後兄弟的列表生成器，可遍歷輸出.

　　接下來介紹find_all()函數，首先要明確find_dall總返回一個列表,如果沒有找到則返回空:BeautifulSoup提供了強大的搜索函數find 和findall，這裏的兩個方法(findAll和 find)僅對Tag對象以及，頂層剖析對象有效。其標準引用形式為:findAll(name, attrs, recursive, text, limit, **kwargs)

　　1.通過標簽名查找:

1 for link in soup.find_all(‘a‘): #soup.find_all返回的為列表
2     print(link.get(‘href‘))

　　2.通過標簽屬性值查找:

1 pid=soup.findall(‘p‘,id=‘hehe‘)  #通過tag的id屬性搜索標簽
　#print(soup.find_all(attrs={‘class‘:‘footer‘}))

　　3.通過re正則表達式搜索tag標簽內容：

pid=soup.findAll(id=re.compile("he$")) #正則表達式的使用

---恢復內容結束---

BeautifulSoup庫之find_all函數