BeautifulSoup常用总结
简介
BeautifulSoup是一个解析HTML或XML文件的库。
对于HTML或XML文件，可以用DOM模型解释。DOM模型可看作节点的集合，它有三种节点：
- 元素节点
- 文本节点
- 属性节点
元素节点即HTML或XML的标签，文本节点即标签内部的文本内容，属性节点即每个标签的属性。
总的来说，BeautifulSoup库即是对上述三种节点的操作。
对象介绍
BeautifulSoup库有四类对象，这里介绍它们的常用方法和属性。
BeautifulSoup对象
该对象是这库的起点，它表示HTML或XML文档,该对象由BeautifulSoup()实例化。
BeautifulSoup()接受一个str或byte对象，由于该库自带编码自动检测，它会把当前文档编码并转换成Unicode编码。
该对象除没有name和attribute属性，其用法基本和Tag对象相同。
Tag对象
Tag.name返回标签的名字。
Tag.attrs返回标签的属性键值对，是一个dict对象。
Tag[attr]获取属性值。如果属性在HTML中是多值属性，则返回list对象，否则返回str对象。
Tag[attr] = value为属性赋值。如果属性在HTML中是多值属性，则value是list对象，否则是str对象。
Tag.string返回文本节点。如果标签内部文本节点不唯一，则返回Null。
Tag.strings返回标签内所有文本节点。
Tag.contents返回子节点列表，是list对象。
NavigableString对象
该对象指Tag内部的文本节点， Tag.string和Tag.strings即返回该对象。
由于文本节点无法编辑，只能替换。我们可以通过NavigableString对象的Tag.string.replace_with()方法替换文本节点，该方法接受一个str对象。
Comment对象
Comment对象可以说是NavigableString类的子类，它返回注释标签的文本节点。
文档树
搜索文档树
主要方法是find_all( name , attrs , recursive , text , **kwargs )。
参数name指标签名字，可以是字符串、正则表达式、列表、方法。如果传入正则表达式，BeautifulSoup会自动调用match()匹配内容；如果传入列表，只要列表中某个成员匹配即返回；如果传入方法，它接受一个参数Tag，只要返回True即匹配。
attrs是dict对象，代表标签的属性键值对。它的属性值可以是字符串、正则表达式、列表、方法，可选关键字kwargs其属性值同此一样。
text参数可以搜搜文档中的字符串内容。与name参数的可选值一样,text参数接受字符串,正则表达式 ,列表,方法。
limit参数限制返回的条目数量，即列表的长度。
recursive是个开关，该方法默认放回所有子孙节点，如果recursive=False,方法只返回儿子节点。
遍历文档树
Tag.children,仅返回子节点。
Tag.descendants，返回子孙节点
Tag.parent，仅返回父节点。
Tag..parents，返回父辈节点。
Tag.previous_sibling,返回上个同级兄弟节点。
Tag.next_sibling,返回下个同级兄弟节点。
Tag.previous_siblings,返回上面同级兄弟节点。
Tag.next_siblings,返回下面同级兄弟节点。
其他
Tag.get_text()返回tag中包含的文本内容，包括子孙tag中的内容。
BeautifulSoup.original_encoding获取原文档的编码。
BeautifulSoup对象和Tag的prettify()方法可以格式化输出,该方法默认输出编码为UTF-8。
