寫在前面上一篇演示了如何使用requests模塊向網站發送http請求，獲取到網頁的HTML數據。這篇來演示如何使用BeautifulSoup模塊來從HTML文本中提取我們想要的數據。

運行環境我的運行環境如下：系統版本：Windows10。Python版本：Python3.6? IDE：Pycharm

BeautifulSoup ——解析html文檔

首先來看BeautifulSoup的對象種類，在使用的過程中就會了解你獲取到的東西接下來應該如何操作。Beautiful Soup將復雜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4種類型: Tag , NavigableString , BeautifulSoup , Comment 。

下面我們分別看看這四種類型都是什么東西。

1>.Tag

這個就跟HTML或者XML（還能解析XML？是的，能！）中的標簽是一樣一樣的。我們使用find()方法返回的類型就是這個（插一句：使用find-all()返回的是多個該對象的集合，是可以用for循環遍歷的。）。返回標簽之后，還可以對提取標簽中的信息。

提取標簽的名字：

tag.name

提取標簽的屬性：

tag['attribute']

我們用一個例子來了解這個類型：

運行結果如下：

2>.NavigableString

NavigableString就是標簽中的文本內容（不包含標簽）。

獲取方式如下：

tag.string

還是以上面那個例子，加上下面這行，然后執行：

print('NavigableString is：', find.string)結果得到的是

NavigableString is： The Dormouse's story

3>.BeautifulSoup

BeautifulSoup對象表示一個文檔的全部內容。支持遍歷文檔樹和搜索文檔樹

4>.Comment這個對象其實就是HTML和XML中的注釋

結果如下

Hey, buddy. Want to buy a used parser?

<class 'bs4.element.Comment'>