作者：潮汐
来源：Python 技术
前面第一篇文章是关于 BeautifulSoup 爬虫的基础知识详解第一部分，主要介绍了 BeautifulSoup 爬虫的安装过程及简介，同时又快速学习了利用 BeautifulSoup 技术定位标签、获取标签内容的相关知识点，今天的文章将深入地介绍 BeautifulSoup 技术的详细语法及其相关用法。
BeautifulSoup 将复杂的 HTML 文档转换成一个树形结构，每个节点都是 Python 对象，BeautifulSoup 官方文档将所有的对象归纳为以下四种：
接下来详细介绍 BeautifulSoup 的四个对象：
Tag
Tag 对象表示 XML 或 HTML 文档中的标签，通俗地讲就是 HTML 中的一个个标签，该对象与 HTML 或 XML 原生文档中的标签相同。Tag 有很多方法和属性，BeautifulSoup 中定义为 soup.Tag，其中 Tag 为 HTML 中的标签，比如 a、title 等，其结果返回完整的标签内容，包括标签的属性和内容等。例如以下实例就是 Tag:
<title>BeautifulSoup 技术详解</title> <p class="title">Hello</p> <p class="con">Python 技术</p>
以上的 HTML 代码中，title、p 都是标签，起始标签和结束标签之间加上内容就是 Tag。标签获取方法代码如下：
#创建本地文件soup对象 soup = BeautifulSoup(open('test.html','rb'), "html.parser") #获取a标签 a = soup.a #Tag print('a标签的内容是:', a)
除此之外，Tag 中最重要的属性是 name 和 attrs 。
name 属性用于获取文档树的标签名字，如果想获取 title 标签的名字，只要使用 soup.title.name 代码即可，对于内部标签，输出的值便为标签本身的名称。
<a href="https://www.baidu.com" class="xiaodu" id="l1">ddd</a>
以上实例存在两个属性，一个是class属性，对应的值为“xiaodu”；一个是id属性，对应的值为“l1”。Tag属性操作方法与Python字典相同，获取p标签的所有属性代码如下，得到一个字典类型的值，它获取的是第一个段落 p 的属性及属性值。
# 获取属性 print(soup.p.attrs) # 获取属性值 print(soup.a['class']) #[u'xiaodu'] print(soup.a.get('class')) #[u'l1']
BeautifulSoup 每个标签 tag 可能有很多个属性，可以通过 “.attrs” 获取属性，tag 的属性可以被修改、删除或添加。
NavigableString
NavigableString 也叫可遍历的字符串，字符串常被包含在 tag 内,BeautifulSoup 用 NavigableString 类来包装tag中的字符串，
BeautifulSoup 用 NavigableString 类来包装 tag 中的字符串，NavigableString 表示可遍历的字符串。一个 NavigableString 字符串与 Python 中的 Unicode 字符串相同，并且支持包含在遍历文档树和搜索文档树中的一些特性。下述代码可查看 NavigableString 的类型。
# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title print(type(tag.string))
输出结果如下：
<class 'bs4.element.NavigableString'>
BeautifulSoup
BeautifulSoup 对象表示的是一个文档的全部内容，通常情况下把它当作 Tag 对象，该对象支持遍历文档树和搜索文档树中描述的大部分的方法，下面代码是输出 soup 对象的类型，输出结果就是 BeautifulSoup 对象类型。
# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title print(type(soup))
输出结果如下：
<class 'bs4.BeautifulSoup'>
因为 BeautifulSoup 对象并不是真正的 HTML 或 XML 的标签 tag，所以它没有 name 和 attribute 属性。但有时查看它的.name 属性是很方便的，故 BeautifulSoup 对象包含了一个值为[document]的特殊属性soup.name。下述代码即是输出 BeautifulSoup 对象的 name 属性，其值为 [document]。
Comment
Comment 对象是一个特殊类型的 NavigableString 对象，它用于处理注释对象。下面这个示例代码用于读取注释内容，代码如下：
markup = "<b><!-- hello comment code --></b>"
soup = BeautifulSoup(markup, "html.parser")
comment = soup.b.string
print(type(comment))
print(comment)
if __name__ == '__main__':
mark()
输出结果如下：
<class 'bs4.BeautifulSoup'> <class 'bs4.element.Comment'> hello comment code
以上内容讲解完 4 个对象后，下面的知识讲解遍历文档树和搜索文档树以及 BeatifulSoup 常用的函数。在 BeautifulSoup 中，一个标签（Tag）可能包含多个字符串或其它的标签，这些称为这个标签的子标签。
咱们继续用以下超文本协议来讲解：
<!DOCTYPE html> <html lang="en"> <head> <title>BeautifulSoup 技术详解</title> </head> <body> <p class="title">Hello</p> <p class="con">Python 技术</p> <a href="https://www.baidu.com" class="xiaodu" id="l1">ddd</a> </body> </html>
一个Tag可能包含多个字符串或其它的Tag,这些都是这个Tag的子节点，Beautiful Soup 提供了许多操作和遍历子节点的属性。
例如获取标签子节点内容：
# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title print(soup.head.contents)
输出结果如下：
['n', <title>BeautifulSoup 技术详解</title>, 'n']
注意: Beautiful Soup中字符串节点不支持这些属性,因为字符串没有子节点。
节点内容
如果标签只有一个子节点，需要获取该子节点的内容，则需要使用 string 属性，以此输出节点的内容：
# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title print(soup.head.string) print(soup.title.string)
输出结果如下：
None BeautifulSoup 技术详解
调用 parent 属性定位父节点，如果需要获取节点的标签名则使用 parent.name。实例如下：
# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title
p = soup.p print(p.parent) print(p.parent.name)
content = soup.head.title.string print(content.parent) print(content.parent.name)
输出结果如下：
<body> <p class="title">Hello</p> <p class="con">Python 技术</p> <a class="xiaodu" href="https://www.baidu.com" id="l1">ddd</a> </body> body <title>BeautifulSoup 技术详解</title> title
兄弟节点是指和本节点位于同一级的节点，其中 next_sibling 属性是获取该节点的下一个兄弟节点，previous_sibling 则与之相反，取该节点的上一个兄弟节点，如果节点不存在，则返回 None。
print(soup.p.next_sibling) print(soup.p.prev_sibling)
调用属性 next_element 可以获取下一个节点，调用属性 previous_element 可以获取上一个节点，代码举例如下：
print(soup.p.next_element) print(soup.p.previous_element)
BeautifulSoup 定义了很多搜索方法，例如 find() 和 find_all(); 但find_all()是最常用的一种方法，而更多的方法与遍历文档树类似，包括父节点、子节点、兄弟节点等，使用find_all()方法的代码如下：
# coding=utf-8 from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html','rb'), "html.parser")
tag = soup.title
urls = soup.find_all('p') for u in urls: print(u)
输出结果如下：
<p class="title">Hello</p>
<p class="con">Python 技术</p>
使用 find_all() 可以查找到想要查找的文档内容。
至此，阿酱理解范围内的 BeautifulSoup 基础知识及用法基本上已经概述完毕，有差池的地方希望大家海涵，我们一起努力前行。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在Python文件操作场景中，批量处理文件、遍历目录树是高频需求——无论是统计某文件夹下的文件数量、筛选特定类型文件，还是批量 ...
2026-01-05在神经网络模型训练过程中，开发者最担心的问题之一，莫过于“训练误差突然增大”——前几轮还平稳下降的损失值（Loss），突然在 ...
2026-01-05在数据驱动的业务场景中，“垃圾数据进，垃圾结果出”是永恒的警示。企业收集的数据往往存在缺失、异常、重复、格式混乱等问题， ...
2026-01-05在数字化时代，用户行为数据已成为企业的核心资产之一。从用户打开APP的首次点击，到浏览页面的停留时长，再到最终的购买决策、 ...
2026-01-04在数据分析领域，数据稳定性是衡量数据质量的核心维度之一，直接决定了分析结果的可靠性与决策价值。稳定的数据能反映事物的固有 ...
2026-01-04在CDA（Certified Data Analyst）数据分析师的工作链路中，数据读取是连接原始数据与后续分析的关键桥梁。如果说数据采集是“获 ...
2026-01-04尊敬的考生： 您好！ 我们诚挚通知您，CDA Level III 考试大纲将于 2025 年 12 月 31 日实施重大更新，并正式启用，2026年3月考 ...
2025-12-31“字如其人”的传统认知，让不少“手残党”在需要签名的场景中倍感尴尬——商务签约时的签名歪歪扭扭，朋友聚会的签名墙不敢落笔 ...
2025-12-31在多元统计分析的因子分析中，“得分系数”是连接原始观测指标与潜在因子的关键纽带，其核心作用是将多个相关性较高的原始指标， ...
2025-12-31对CDA（Certified Data Analyst）数据分析师而言，高质量的数据是开展后续分析、挖掘业务价值的基础，而数据采集作为数据链路的 ...
2025-12-31在中介效应分析（或路径分析）中，间接效应是衡量“自变量通过中介变量影响因变量”这一间接路径强度与方向的核心指标。不同于直 ...
2025-12-30数据透视表是数据分析中高效汇总、多维度分析数据的核心工具，能快速将杂乱数据转化为结构化的汇总报表。在实际分析场景中，我们 ...
2025-12-30在金融投资、商业运营、用户增长等数据密集型领域，量化策略凭借“数据驱动、逻辑可验证、执行标准化”的优势，成为企业提升决策 ...
2025-12-30CDA（Certified Data Analyst），是在数字经济大背景和人工智能时代趋势下，源自中国，走向世界，面向全行业的专业技能认证，旨 ...
2025-12-29在数据分析领域，周期性是时间序列数据的重要特征之一——它指数据在一定时间间隔内重复出现的规律，广泛存在于经济、金融、气象 ...
2025-12-29数据分析师的核心价值在于将海量数据转化为可落地的商业洞察，而高效的工具则是实现这一价值的关键载体。从数据采集、清洗整理， ...
2025-12-29在金融、零售、互联网等数据密集型行业，量化策略已成为企业提升决策效率、挖掘商业价值的核心工具。CDA（Certified Data Analys ...
2025-12-29CDA中国官网是全国统一的数据分析师认证报名网站，由认证考试委员会与持证人会员、企业会员以及行业知名第三方机构共同合作，致 ...
2025-12-26在数字化转型浪潮下，审计行业正经历从“传统手工审计”向“大数据智能审计”的深刻变革。教育部发布的《大数据与审计专业教学标 ...
2025-12-26统计学作为数学的重要分支，是连接数据与决策的桥梁。随着数据规模的爆炸式增长和复杂问题的涌现，传统统计方法已难以应对高维、 ...
2025-12-26
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
