簡介
BeautifulSoup是一個解析HTML或XML文件的庫。
對於HTML或XML文件，可以用DOM模型解釋。DOM模型可看作節點的集合，它有三種節點：
- 元素節點
- 文本節點
- 屬性節點
元素節點即HTML或XML的標簽，文本節點即標簽內部的文本內容，屬性節點即每個標簽的屬性。
總的來說，BeautifulSoup庫即是對上述三種節點的操作。
對象介紹
BeautifulSoup庫有四類對象，這里介紹它們的常用方法和屬性。
BeautifulSoup對象
該對象是這庫的起點，它表示HTML或XML文檔,該對象由BeautifulSoup()實例化。
BeautifulSoup()接受一個str或byte對象，由於該庫自帶編碼自動檢測，它會把當前文檔編碼並轉換成Unicode編碼。
該對象除沒有name和attribute屬性，其用法基本和Tag對象相同。
Tag對象
Tag.name返回標簽的名字。
Tag.attrs返回標簽的屬性鍵值對，是一個dict對象。
Tag[attr]獲取屬性值。如果屬性在HTML中是多值屬性，則返回list對象，否則返回str對象。
Tag[attr] = value為屬性賦值。如果屬性在HTML中是多值屬性，則value是list對象，否則是str對象。
Tag.string返回文本節點。如果標簽內部文本節點不唯一，則返回Null。
Tag.strings返回標簽內所有文本節點。
Tag.contents返回子節點列表，是list對象。
NavigableString對象
該對象指Tag內部的文本節點， Tag.string和Tag.strings即返回該對象。
由於文本節點無法編輯，只能替換。我們可以通過NavigableString對象的Tag.string.replace_with()方法替換文本節點，該方法接受一個str對象。
Comment對象
Comment對象可以說是NavigableString類的子類，它返回注釋標簽的文本節點。
文檔樹
搜索文檔樹
主要方法是find_all( name , attrs , recursive , text , **kwargs )。
參數name指標簽名字，可以是字符串、正則表達式、列表、方法。如果傳入正則表達式，BeautifulSoup會自動調用match()匹配內容；如果傳入列表，只要列表中某個成員匹配即返回；如果傳入方法，它接受一個參數Tag，只要返回True即匹配。
attrs是dict對象，代表標簽的屬性鍵值對。它的屬性值可以是字符串、正則表達式、列表、方法，可選關鍵字kwargs其屬性值同此一樣。
text參數可以搜搜文檔中的字符串內容。與name參數的可選值一樣,text參數接受字符串,正則表達式 ,列表,方法。
limit參數限制返回的條目數量，即列表的長度。
recursive是個開關，該方法默認放回所有子孫節點，如果recursive=False,方法只返回兒子節點。
遍歷文檔樹
Tag.children,僅返回子節點。
Tag.descendants，返回子孫節點
Tag.parent，僅返回父節點。
Tag..parents，返回父輩節點。
Tag.previous_sibling,返回上個同級兄弟節點。
Tag.next_sibling,返回下個同級兄弟節點。
Tag.previous_siblings,返回上面同級兄弟節點。
Tag.next_siblings,返回下面同級兄弟節點。
其他
Tag.get_text()返回tag中包含的文本內容，包括子孫tag中的內容。
BeautifulSoup.original_encoding獲取原文檔的編碼。
BeautifulSoup對象和Tag的prettify()方法可以格式化輸出,該方法默認輸出編碼為UTF-8。