tag函数python,tag函数表

26、BeautifulSoup之Tag

上集回顾：

上集快速领略了一下 BeautifulSoup 的大概功能，并学习了如何安装和构造一个 BeautifulSoup 对象。

本集学习 BeautifulSoup 的 Tag 及其属性。

由于HTML和XML是由大量tag组合和嵌套而成，所以检索目标信息就是检索目标tag的过程。

一、Tag对象

Tag 对象与XML或HTML原生文档中的tag相同:

Tag有很多方法和属性,其中最重要的属性是: name和attributes。

二、name属性

每个tag都有自己的名字,通过 .name 来获取:

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:

三、attributes属性

一个tag可能有很多个属性. tag b class="boldest" 有一个 “class” 的属性,值为 “boldest” . tag的属性的操作方法与字典相同:

也可以直接”点”取属性, 比如: .attrs :

tag的属性可以被添加,删除或修改. 再说一次, tag的属性操作方法与字典一样

四、多值属性

HTML 定义了一系列可以包含多个值的属性。最常见的多值的属性是 class (一个tag可以有多个CSS的class). 还有一些属性 rel , rev , accept-charset , headers , accesskey 。在Beautiful Soup中多值属性的返回类型是list:

如果某个属性看起来好像有多个值,但在任何版本的HTML定义中都没有被定义为多值属性,那么Beautiful Soup会将这个属性作为字符串返回

将tag转换成字符串时,多值属性会合并为一个值

如果转换的文档是XML格式,那么tag中不包含多值属性

五、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:

一个 NavigableString 字符串与Python中的Unicode字符串相同，通过 unicode() 方法可以直接将 NavigableString 对象转换成Unicode字符串:

本集总结：

下集见

相关问答

Q1: python dfor循环

如果有一个字符串s（我用的是python3）

那么第一个字符是s[0]，最后一个字符是s[len(s)-1]

然后判断这两个字符是不是尖括号就可以了

Q2: Python tag解析

这个不难啊，用id来定位元素，然后就可以了。id通常是唯一的。

from bs4 import BeautifulSoup

html_doc = 'a href="" class="sister" id="link1"Elsie/a,'

soup = BeautifulSoup(html_doc, 'html.parser')

print soup.find(id="link1").string   # = 'Elsie'

Q3: python中sgmllib.SGMLParser是什么用的

如果要用sgmllib解析html，则要继承sgmllib.SGMLParser类，此类里的函数都是空的，用户需要重载它。这个类提供的功能是在特定情况下调用相应的函数。

比如当发现html标签时，如果并没有定义 start_html(self,attr)函数，则会调用unknown_starttag函数，具体怎么处理则根据用户。

sgml的标签是可以自定义的，比如自己定义了一个start_lala函数，则就会处理lala标签。

有个地方要说明下，如果定义了start_tagname函数，有定义了handle_starttag函数，则函数只会运行handle_starttag函数，start_tagname为空函数都没有问题，如果没有定义handle_starttag函数，则遇到tagname标签时，会运行start_tagname函数。如果没有定义tagname的start函数，则此标签为未知标签，调用unknown_starttag函数

给你个例子你就知道了：

#------------------ HTMLParser_stack.py ------------------#

#-- coding: GBK --

import sgmllib,sys,os,string

html = """lalaheadtitleAdvice/title/headbody

pThe a href="" mce_href=""IETF admonishes:

iBe strict in what you bsend/b./i/a/p

form

input type=submit name='我' 我 input type=text name=start size=4/form

/body/lala

"""

os.chdir('d://python')

f=file('testboard.txt','r')

contest=f.read()

tagstack = []

class ShowStructure(sgmllib.SGMLParser):

    def handle_starttag(self, tag, method,attrs): tagstack.append(tag)

    def handle_endtag(self, tag): tagstack.pop()

    def handle_data(self, data):

        if data.strip():

            for tag in tagstack: sys.stdout.write('/'+tag)

            sys.stdout.write('  %s/n' % data[:40].strip())

            

    def unknown_starttag(self,tag,attrs):

        print 'start tag:'+tag+''

    def unknown_endtag(self,tag):

        print 'end tag:/'+tag+''

    def start_lala(self,attr):

        print 'lala tag found'

ShowStructure().feed(html)

输出:

start tag:head

start tag:title

/lala Advice

end tag:/title

end tag:/head

start tag:body

start tag:p

/lala The

start tag:a

/lala IETF admonishes:

start tag:i

/lala Be strict in what you

start tag:b

/lala send

end tag:/b

/lala .

end tag:/i

end tag:/a

end tag:/p

start tag:form

start tag:input

/lala ϒ

start tag:input

end tag:/form

end tag:/body

end tag:/lala

Q4: python tkinter 的Text控件为什么tag_add和tag_config用不了？

报错提示给你说的很明显了......

可能是“text1”在你代码中间被替换了，

变成了None，

检查代码吧。。。