From 4425938b5b825023a5d7dfd4a6b6de8553203fd8 Mon Sep 17 00:00:00 2001 From: Carlos Romero Date: Mon, 15 Jan 2024 22:08:31 +0100 Subject: Added Chinese translation for version 4.12.0 (DeronW) --- doc.zh/source/conf.py | 2 +- doc.zh/source/index.rst | 2307 ++++++++++++++++++++++++++++++++--------------- 2 files changed, 1586 insertions(+), 723 deletions(-) diff --git a/doc.zh/source/conf.py b/doc.zh/source/conf.py index 102c3cf..1014dad 100644 --- a/doc.zh/source/conf.py +++ b/doc.zh/source/conf.py @@ -50,7 +50,7 @@ copyright = u'2012, Leonard Richardson' # The short X.Y version. version = '4' # The full version, including alpha/beta/rc tags. -release = '4.2.0' +release = '4.12.0' # The language for content autogenerated by Sphinx. Refer to documentation # for a list of supported languages. diff --git a/doc.zh/source/index.rst b/doc.zh/source/index.rst index 05b9cfc..4e099cd 100644 --- a/doc.zh/source/index.rst +++ b/doc.zh/source/index.rst @@ -1,38 +1,47 @@ -.. BeautifulSoup文档 documentation master file, created by - Deron Wang on Fri Nov 29 13:49:30 2013. - You can adapt this file completely to your liking, but it should at least - contain the root `toctree` directive. -Beautiful Soup 4.4.0 文档 +Beautiful Soup 4.12.0 文档 ========================== -`Beautiful Soup `_ 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间. +.. py:module:: bs4 -这篇文档介绍了BeautifulSoup4中所有主要特性,并且有小例子.让我来向你展示它适合做什么,如何工作,怎样使用,如何达到你想要的效果,和处理异常情况. +`Beautiful Soup `_ 是一个 +可以从 HTML 或 XML 文件中提取数据的 Python 库。它能用你喜欢的解析器和习惯的方式实现 +文档树的导航、查找、和修改。它会帮你节省数小时甚至数天的工作时间。 -文档中出现的例子在Python2.7和Python3.2中的执行结果相同 +这篇文档介绍了 Beautiful Soup 4 中所有主要特性，并附带例子。文档会展示这个库的适合场景， +工作原理，怎样使用，如何达到预期效果，以及如何处理异常情况。 -你可能在寻找 `Beautiful Soup3 `_ 的文档,Beautiful Soup 3 目前已经停止开发,我们推荐在现在的项目中使用Beautiful Soup 4, `移植到BS4 `_ +文档覆盖了 Beautful Soup 4.12.0 版本，文档中的例子使用 Python 3.8 版本编写。 -这篇帮助文档已经被翻译成了其它语言: +你可能在寻找 `Beautiful Soup3 `_ +的文档，Beautiful Soup 3 目前已经停止开发，并且自 2020年12月31日以后就停止维护了。 +如果想要了解 Beautiful Soup 3 和 Beautiful Soup 4 的不同，参考 `迁移到 BS4`_。 -* `这篇文档当然还有中文版. `_ +这篇文档已经被翻译成多种语言: + +* `这篇文档当然还有中文版 `_ , + (`Github 地址 `_). * このページは日本語で利用できます(`外部リンク `_) * `이 문서는 한국어 번역도 가능합니다. `_ -* `Este documento também está disponível em Português do Brasil. `_ -* `Este documento también está disponible en una traducción al español. `_ -* `Эта документация доступна на русском языке. `_ - +* `Este documento também está disponível em Português do Brasil. + `_ +* `Эта документация доступна на русском языке. + `_ 寻求帮助 -------- -如果你有关于BeautifulSoup的问题,可以发送邮件到 `讨论组 `_ .如果你的问题包含了一段需要转换的HTML代码,那么确保你提的问题描述中附带这段HTML文档的 `代码诊断`_ [1]_ +如果有关于 Beautiful Soup 4 的疑问，或遇到了问题，可以发送邮件到 `讨论组 +`_。 + +如果问题中包含要解析的 HTML 代码，那么请在你的问题描述中附带这段HTML文档的 `代码诊断`_ [1]_。 + +如果报告文档中的错误，请指出具体文档的语言版本。 快速开始 ======== -下面的一段HTML代码将作为例子被多次用到.这是 *爱丽丝梦游仙境的* 的一段内容(以后内容中简称为 *爱丽丝* 的文档): +下面的一段HTML代码将作为例子被多次用到。这是 `爱丽丝梦游仙境` 的一段内容(以后简称 *爱丽丝* 的文档): :: @@ -50,7 +59,8 @@ Beautiful Soup 4.4.0 文档

...

""" -使用BeautifulSoup解析这段代码,能够得到一个 ``BeautifulSoup`` 的对象,并能按照标准的缩进格式的结构输出: +上面的 *爱丽丝* 文档经过 Beautiful Soup 的解析后，会得到一个 :py:class:`BeautifulSoup` 的对象， +一个嵌套结构的对象: :: @@ -80,7 +90,7 @@ Beautiful Soup 4.4.0 文档 # Lacie # # and - # + # # Tillie # # ; and they lived at the bottom of a well. @@ -91,7 +101,7 @@ Beautiful Soup 4.4.0 文档 # # -几个简单的浏览结构化数据的方法: +这是几个简单的浏览结构化数据的方法: :: @@ -124,7 +134,7 @@ Beautiful Soup 4.4.0 文档 soup.find(id="link3") # Tillie -从文档中找到所有标签的链接: +常见任务之一，就是从文档中找到所有 标签的链接: :: @@ -134,7 +144,7 @@ Beautiful Soup 4.4.0 文档 # http://example.com/lacie # http://example.com/tillie -从文档中获取所有文字内容: +另一种常见任务，是从文档中获取所有文字内容: :: @@ -151,152 +161,142 @@ Beautiful Soup 4.4.0 文档 # # ... -这是你想要的吗?别着急,还有更好用的 +这是你想要的吗？是的话，继续看下去。 安装 Beautiful Soup ====================== -如果你用的是新版的Debain或ubuntu,那么可以通过系统的软件包管理来安装: - -``$ apt-get install Python-bs4`` - -Beautiful Soup 4 通过PyPi发布,所以如果你无法使用系统包管理安装,那么也可以通过 ``easy_install`` 或 ``pip`` 来安装.包的名字是 ``beautifulsoup4`` ,这个包兼容Python2和Python3. - -``$ easy_install beautifulsoup4`` +如果你用的是新版的 Debain 或 Ubuntu，那么可以通过系统的软件包管理来安装: -``$ pip install beautifulsoup4`` - -(在PyPi中还有一个名字是 ``BeautifulSoup`` 的包,但那可能不是你想要的,那是 `Beautiful Soup3 `_ 的发布版本,因为很多项目还在使用BS3, 所以 ``BeautifulSoup`` 包依然有效.但是如果你在编写新项目,那么你应该安装的 ``beautifulsoup4`` ) - -如果你没有安装 ``easy_install`` 或 ``pip`` ,那你也可以 `下载BS4的源码 `_ ,然后通过setup.py来安装. - -``$ Python setup.py install`` - -如果上述安装方法都行不通,Beautiful Soup的发布协议允许你将BS4的代码打包在你的项目中,这样无须安装即可使用. - -作者在Python2.7和Python3.2的版本下开发Beautiful Soup, 理论上Beautiful Soup应该在所有当前的Python版本中正常工作 - -安装完成后的问题 ------------------ +:kbd:`$ apt-get install python3-bs4` -Beautiful Soup发布时打包成Python2版本的代码,在Python3环境下安装时,会自动转换成Python3的代码,如果没有一个安装的过程,那么代码就不会被转换. +Beautiful Soup 4 通过 PyPi 发布，所以如果无法使用系统包管理安装，那么 +也可以通过 ``easy_install`` 或 ``pip`` 来安装。包的名字是 ``beautifulsoup4``。 +确保使用的是与 Python 版本对应的 ``pip`` 或 ``easy_install`` 版本 +(他们的名字也可能是 ``pip3`` 和 ``easy_install`` )。 -如果代码抛出了 ``ImportError`` 的异常: "No module named HTMLParser", 这是因为你在Python3版本中执行Python2版本的代码. +:kbd:`$ easy_install beautifulsoup4` +:kbd:`$ pip install beautifulsoup4` -如果代码抛出了 ``ImportError`` 的异常: "No module named html.parser", 这是因为你在Python2版本中执行Python3版本的代码. +(在 PyPi 中还有一个名字是 ``BeautifulSoup`` 的包，但那可能不是你想要的，那是 +`Beautiful Soup3`_ 版本。因为很多项目还在使用BS3, 所以 ``BeautifulSoup`` +包依然有效。但是新项目中，应该安装 ``beautifulsoup4``。) -如果遇到上述2种情况,最好的解决方法是重新安装BeautifulSoup4. +如果没有安装 ``easy_install`` 或 ``pip`` ，那也可以 `下载 BS4 的源码 +`_ , +然后通过 ``setup.py`` 来安装。 -如果在ROOT_TAG_NAME = u'[document]'代码处遇到 ``SyntaxError`` "Invalid syntax"错误,需要将把BS4的Python代码版本从Python2转换到Python3. 可以重新安装BS4: +:kbd:`$ Python setup.py install` -``$ Python3 setup.py install`` +如果上述安装方法都行不通，根据 Beautiful Soup 的协议，可以将项目的代码打包在 +你的项目中，这样无须安装即可使用。 -或在bs4的目录中执行Python代码版本转换脚本 - -``$ 2to3-3.2 -w bs4`` +Beautiful Soup 用 Python 3.10 版本开发，但也可以在当前的其它版本中运行。 安装解析器 ------------- +-------------- -Beautiful Soup支持Python标准库中的HTML解析器,还支持一些第三方的解析器,其中一个是 `lxml `_ .根据操作系统不同,可以选择下列方法来安装lxml: +Beautiful Soup 支持 Python 标准库中的 HTML 解析器，还支持一些第三方的解析器， +其中一个是 `lxml parser `_ 。根据安装方法的不同， +可以选择下列方法来安装 lxml: -``$ apt-get install Python-lxml`` +:kbd:`$ apt-get install Python-lxml` -``$ easy_install lxml`` +:kbd:`$ easy_install lxml` -``$ pip install lxml`` +:kbd:`$ pip install lxml` -另一个可供选择的解析器是纯Python实现的 `html5lib `_ , html5lib的解析方式与浏览器相同,可以选择下列方法来安装html5lib: +另一个可供选择的解析器是纯 Python 实现的 `html5lib `_ , +html5lib 的解析方式与浏览器相同，根据安装方法的不同，可以选择下列方法来安装html5lib: -``$ apt-get install Python-html5lib`` +:kbd:`$ apt-get install python-html5lib` -``$ easy_install html5lib`` +:kbd:`$ easy_install html5lib` -``$ pip install html5lib`` +:kbd:`$ pip install html5lib` -下表列出了主要的解析器,以及它们的优缺点: +下表描述了几种解析器的优缺点: -+-----------------------+---------------------------+---------------------------+---------------------------+ -| 解析器 | 使用方法 | 优势 | 劣势 | -+=======================+===========================+===========================+===========================+ -| Python标准库 | ``BeautifulSoup(markup, | - Python的内置标准库 | - Python 2.7.3 or 3.2.2)前| -| | "html.parser")`` | - 执行速度适中 | 的版本中文档容错能力差 | -| | | - 文档容错能力强 | | -| | | | | -+-----------------------+---------------------------+---------------------------+---------------------------+ -| lxml HTML 解析器 | ``BeautifulSoup(markup, | - 速度快 | - 需要安装C语言库 | -| | "lxml")`` | - 文档容错能力强 | | -| | | | | -+-----------------------+---------------------------+---------------------------+---------------------------+ -| lxml XML 解析器 | ``BeautifulSoup(markup, | - 速度快 | - 需要安装C语言库 | -| | ["lxml-xml"])`` | - 唯一支持XML的解析器 | | -| | | | | -| | ``BeautifulSoup(markup, | | | -| | "xml")`` | | | -+-----------------------+---------------------------+---------------------------+---------------------------+ -| html5lib | ``BeautifulSoup(markup, | - 最好的容错性 | - 速度慢 | -| | "html5lib")`` | - 以浏览器的方式解析文档 | - 不依赖外部扩展 | -| | | - 生成HTML5格式的文档 | | -+-----------------------+---------------------------+---------------------------+---------------------------+ ++-------------------+-------------------------------------------+---------------------------+------------------------------------------+ +| 解析器 | 使用方法 | 优势 | 劣势 | ++===================+===========================================+===========================+==========================================+ +|| Python 标准库 || ``BeautifulSoup(markup, "html.parser")`` || - Python的内置标准库 || - 速度没有 lxml 快，容错没有 html5lib强 | +|| || || - 执行速度较快 || | +|| || || - 容错能力强 || | ++-------------------+-------------------------------------------+---------------------------+------------------------------------------+ +|| lxml HTML 解析器 || ``BeautifulSoup(markup, "lxml")`` || - 速度快 || - 额外的 C 依赖 | +|| || || - 容错能力强 || | +|| || || || | ++-------------------+-------------------------------------------+---------------------------+------------------------------------------+ +|| lxml XML 解析器 || ``BeautifulSoup(markup, ["lxml-xml"])`` || - 速度快 || - 额外的 C 依赖 | +|| || ``BeautifulSoup(markup, "xml")`` || - 唯一支持 XML 的解析器 || | ++-------------------+-------------------------------------------+---------------------------+------------------------------------------+ +|| html5lib || ``BeautifulSoup(markup, "html5lib")`` || - 最好的容错性 || - 速度慢 | +|| || || - 以浏览器的方式解析文档 || - 额外的 Python 依赖 | +|| || || - 生成 HTML5 格式的文档 || | ++-------------------+-------------------------------------------+---------------------------+------------------------------------------+ -推荐使用lxml作为解析器,因为效率更高. 在Python2.7.3之前的版本和Python3中3.2.2之前的版本,必须安装lxml或html5lib, 因为那些Python版本的标准库中内置的HTML解析方法不够稳定. +如果可以，推荐使用 lxml 来获得更高的速度。 -提示: 如果一段HTML或XML文档格式不正确的话,那么在不同的解析器中返回的结果可能是不一样的,查看 `解析器之间的区别`_ 了解更多细节 +注意，如果一段文档格式不标准，那么在不同解析器生成的 Beautiful Soup 数可能不一样。 +查看 `解析器之间的区别`_ 了解更多细节。 如何使用 ======== -将一段文档传入BeautifulSoup 的构造方法,就能得到一个文档的对象, 可以传入一段字符串或一个文件句柄. +解析文档是，将文档传入 :py:class:`BeautifulSoup` 的构造方法。也可以传入一段字符串 +或一个文件句柄: :: from bs4 import BeautifulSoup - soup = BeautifulSoup(open("index.html")) + with open("index.html") as fp: + soup = BeautifulSoup(fp, 'html.parser') - soup = BeautifulSoup("data") + soup = BeautifulSoup("a web page", 'html.parser') -首先,文档被转换成Unicode,并且HTML的实例都被转换成Unicode编码 +首先，文档被转换成 Unicode，并且 HTML 中的实体也都被转换成 Unicode 编码 :: - BeautifulSoup("Sacré bleu!") - Sacré bleu! + print(BeautifulSoup("Sacré bleu!", "html.parser")) + # Sacré bleu! -然后,Beautiful Soup选择最合适的解析器来解析这段文档,如果手动指定解析器那么Beautiful Soup会选择指定的解析器来解析文档.(参考 `解析成XML`_ ). +然后，Beautiful Soup 选择最合适的解析器来解析这段文档。如果指定了解析器那么 Beautiful Soup +会选择指定的解析器来解析文档。(参考 `解析成XML`_ )。 对象的种类 ========== -Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种: -``Tag`` , ``NavigableString`` , ``BeautifulSoup`` , ``Comment`` . +Beautiful Soup 将复杂的 HTML 文档转换成一个复杂的由 Python 对象构成的树形结构，但处理对象 +的过程只包含 4 种类型的对象: :py:class:`Tag`, :py:class:`NavigableString`, +:py:class:`BeautifulSoup`, 和 :py:class:`Comment`。 -Tag ------ - -``Tag`` 对象与XML或HTML原生文档中的tag相同: +:py:class:`Tag` +``Tag`` 对象与 XML 或 HTML 原生文档中的 tag 相同: :: - soup = BeautifulSoup('Extremely bold') + soup = BeautifulSoup('Extremely bold', 'html.parser') tag = soup.b type(tag) # -Tag有很多方法和属性,在 `遍历文档树`_ 和 `搜索文档树`_ 中有详细解释.现在介绍一下tag中最重要的属性: name和attributes +Tag有很多属性和方法，在 `遍历文档树`_ 和 `搜索文档树`_ 中有详细解释。 +现在介绍一下 tag 中最重要的属性: name 和 attributes。 -Name -..... +.. py:attribute:: name -每个tag都有自己的名字,通过 ``.name`` 来获取: +每个 tag 都有一个名字: :: tag.name # u'b' -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: +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: :: @@ -304,107 +304,161 @@ Name tag #
Extremely bold
-Attributes -............ +.. py:attribute:: attrs -一个tag可能有很多个属性. tag ```` 有一个 "class" 的属性,值为 "boldest" . tag的属性的操作方法与字典相同: +一个 HTML 或 XML 的 tag 可能有很多属性。tag ```` 有 +一个 "id" 的属性，值为 "boldest"。你可以想处理一个字段一样来处理 tag 的属性: :: - tag['class'] - # u'boldest' + tag = BeautifulSoup('bold', 'html.parser').b + tag['id'] + # 'boldest' -也可以直接"点"取属性, 比如: ``.attrs`` : +也可以直接"点"取属性，比如: ``.attrs`` : :: tag.attrs # {u'class': u'boldest'} -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 +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 :: - tag['class'] = 'verybold' - tag['id'] = 1 - tag - #
Extremely bold
+ tag['id'] = 'verybold' + tag['another-attribute'] = 1 + tag + # - del tag['class'] - del tag['id'] - tag - #
Extremely bold
+ del tag['id'] + del tag['another-attribute'] + tag + # bold - tag['class'] - # KeyError: 'class' - print(tag.get('class')) - # None + tag['id'] + # KeyError: 'id' + tag.get('id') + # None + +.. _multivalue: 多值属性 -`````````` +---------- -HTML 4定义了一系列可以包含多个值的属性.在HTML5中移除了一些,却增加更多.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: +HTML 4 定义了一系列可以包含多个值的属性。在 HTML5 中移除了一些，却增加更多。 +最常见的多值的属性是 ``class`` (一个 tag 可以有多个 CSS class)。还有一些 +属性 ``rel``、 ``rev``、 ``accept-charset``、 ``headers``、 ``accesskey``。 +默认情况，Beautiful Soup 中将多值属性解析为一个列表: :: - css_soup = BeautifulSoup('

') - css_soup.p['class'] - # ["body", "strikeout"] + css_soup = BeautifulSoup('

', 'html.parser') + css_soup.p['class'] + # ['body'] + + css_soup = BeautifulSoup('

', 'html.parser') + css_soup.p['class'] + # ['body', 'strikeout'] + + If an attribute `looks` like it has more than one value, but it's not + a multi-valued attribute as defined by any version of the HTML + standard, Beautiful Soup will leave the attribute alone:: - css_soup = BeautifulSoup('

') - css_soup.p['class'] - # ["body"] + id_soup = BeautifulSoup('

', 'html.parser') + id_soup.p['id'] + # 'my id' -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 +如果某个属性看起来好像有多个值，但在任何版本的 HTML 定义中都没有将其定义为多值属性， +那么 Beautiful Soup 会将这个属性作为单值返回 :: - id_soup = BeautifulSoup('

') - id_soup.p['id'] - # 'my id' + id_soup = BeautifulSoup('

', 'html.parser') + id_soup.p['id'] + # 'my id' -将tag转换成字符串时,多值属性会合并为一个值 +将 tag 转换成字符串时，多值属性会合并为一个值 :: - rel_soup = BeautifulSoup('

Back to the homepage

') + rel_soup = BeautifulSoup('

Back to the homepage

', 'html.parser') rel_soup.a['rel'] - # ['index'] + # ['index', 'first'] rel_soup.a['rel'] = ['index', 'contents'] print(rel_soup.p) #

Back to the homepage

-如果转换的文档是XML格式,那么tag中不包含多值属性 +若想强制将所有属性当做多值进行解析，可以在 :py:class:`BeautifulSoup` 构造方法中设置 +``multi_valued_attributes=None`` 参数： + +:: + + no_list_soup = BeautifulSoup('

', 'html.parser', multi_valued_attributes=None) + no_list_soup.p['class'] + # 'body strikeout' + +或者使用 ``get_attribute_list`` 方法来获取多值列表，不管是不是一个多值属性: + +:: + + id_soup.p.get_attribute_list('id') + # ["my id"] + +如果以 XML 方式解析文档，则没有多值属性: :: xml_soup = BeautifulSoup('

', 'xml') xml_soup.p['class'] - # u'body strikeout' + # 'body strikeout' + +但是，可以通过配置 ``multi_valued_attributes`` 参数来修改: + +:: + + class_is_multi= { '*' : 'class'} + xml_soup = BeautifulSoup('

', 'xml', multi_valued_attributes=class_is_multi) + xml_soup.p['class'] + # ['body', 'strikeout'] + +可能实际当中并不需要修改默认配置，默认采用的是 HTML 标准: + +:: -可以遍历的字符串 + from bs4.builder import builder_registry + builder_registry.lookup('html').DEFAULT_CDATA_LIST_ATTRIBUTES + +.. py:class:: NavigableString + +可遍历的字符串 ---------------- -字符串常被包含在tag内.Beautiful Soup用 ``NavigableString`` 类来包装tag中的字符串: +字符串对应 tag 中的一段文本。Beautiful Soup 用 :py:class:`NavigableString` +类来包装 tag 中的字符串: :: + soup = BeautifulSoup('Extremely bold', 'html.parser') + tag = soup.b tag.string - # u'Extremely bold' + # 'Extremely bold' type(tag.string) # -一个 ``NavigableString`` 字符串与Python中的Unicode字符串相同,并且还支持包含在 `遍历文档树`_ 和 `搜索文档树`_ 中的一些特性. 通过 ``unicode()`` 方法可以直接将 ``NavigableString`` 对象转换成Unicode字符串: +一个 :py:class:`NavigableString` 对象与 Python 中的Unicode 字符串相同， +并且还支持包含在 `遍历文档树`_ 和 `搜索文档树`_ 中的一些特性。通过 ``str`` 方法可以直接将 +:py:class:`NavigableString` 对象转换成 Unicode 字符串: :: - unicode_string = unicode(tag.string) + unicode_string = str(tag.string) unicode_string - # u'Extremely bold' + # 'Extremely bold' type(unicode_string) - # + # -tag中包含的字符串不能编辑,但是可以被替换成其它的字符串,用 `replace_with()`_ 方法: +tag 中包含的字符串不能直接编辑，但是可以被替换成其它的字符串，用 :ref:`replace_with()` 方法: :: @@ -412,16 +466,24 @@ tag中包含的字符串不能编辑,但是可以被替换成其它的字符串, tag #
No longer bold
-``NavigableString`` 对象支持 `遍历文档树`_ 和 `搜索文档树`_ 中定义的大部分属性, 并非全部.尤其是,一个字符串不能包含其它内容(tag能够包含字符串或是其它tag),字符串不支持 ``.contents`` 或 ``.string`` 属性或 ``find()`` 方法. +:py:class:`NavigableString` 对象支持 `遍历文档树`_ 和 `搜索文档树`_ 中定义的大部分属性， +并非全部。尤其是，一个字符串不能包含其它内容(tag 能够包含字符串或是其它 tag)，字符串不支持 +``.contents`` 或 ``.string`` 属性或 ``find()`` 方法。 -如果想在Beautiful Soup之外使用 ``NavigableString`` 对象,需要调用 ``unicode()`` 方法,将该对象转换成普通的Unicode字符串,否则就算Beautiful Soup已方法已经执行结束,该对象的输出也会带有对象的引用地址.这样会浪费内存. +如果想在 Beautiful Soup 之外使用 :py:class:`NavigableString` 对象，需要调用 ``unicode()`` +方法，将该对象转换成普通的Unicode字符串，否则就算 Beautiful Soup 方法已经执行结束，该对象的输出 +也会带有对象的引用地址。这样会浪费内存。 -BeautifulSoup ----------------- +.. py:class:: BeautifulSoup + +------------------------------- -``BeautifulSoup`` 对象表示的是一个文档的全部内容.大部分时候,可以把它当作 ``Tag`` 对象,它支持 `遍历文档树`_ 和 `搜索文档树`_ 中描述的大部分的方法. +``BeautifulSoup`` 对象表示的是一个文档的全部内容。大部分时候，可以把它当作 ``Tag`` 对象， +它支持 `遍历文档树`_ 和 `搜索文档树`_ 中描述的大部分的方法。 -因为 ``BeautifulSoup`` 对象并不是真正的HTML或XML的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,所以 ``BeautifulSoup`` 对象包含了一个值为 "[document]" 的特殊属性 ``.name`` +因为 ``BeautifulSoup`` 对象并不是真正的HTML或XML的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，所以 ``BeautifulSoup`` 对象包含了一个 +值为 "[document]" 的特殊属性 ``.name`` :: @@ -431,24 +493,25 @@ BeautifulSoup 注释及特殊字符串 ----------------- -``Tag`` , ``NavigableString`` , ``BeautifulSoup`` 几乎覆盖了html和xml中的所有内容,但是还有一些特殊对象.容易让人担心的内容是文档的注释部分: +:py:class:`Tag`, :py:class:`NavigableString`, :py:class:`BeautifulSoup` +几乎覆盖了html和xml中的所有内容，但是还有一些特殊对象。容易让人担心的内容是文档的注释部分: :: markup = "" - soup = BeautifulSoup(markup) + soup = BeautifulSoup(markup, 'html.parser') comment = soup.b.string type(comment) # -``Comment`` 对象是一个特殊类型的 ``NavigableString`` 对象: +:py:class:`Comment` 对象是一个特殊类型的 :py:class:`NavigableString` 对象: :: comment # u'Hey, buddy. Want to buy a used parser' -但是当它出现在HTML文档中时, ``Comment`` 对象会使用特殊的格式输出: +但是当它出现在 HTML 文档中时，:py:class:`Comment` 对象会使用特殊的格式输出: :: @@ -457,23 +520,61 @@ BeautifulSoup # # -Beautiful Soup中定义的其它类型都可能会出现在XML的文档中: ``CData`` , ``ProcessingInstruction`` , ``Declaration`` , ``Doctype`` .与 ``Comment`` 对象类似,这些类都是 ``NavigableString`` 的子类,只是添加了一些额外的方法的字符串独享.下面是用CDATA来替代注释的例子: -:: +针对 HTML 文档 +^^^^^^^^^^^^^^^^^^ - from bs4 import CData - cdata = CData("A CDATA block") - comment.replace_with(cdata) +Beautiful Soup 定义了一些 :py:class:`NavigableString` 子类来处理特定的 HTML 标签。 +通过忽略页面中表示程序指令的字符串，可以更容易挑出页面的 body 内容。 +（这些类是在 Beautiful Soup 4.9.0 版本中添加的，html5lib 解析器不会使用它们） - print(soup.b.prettify()) - # - # - # +.. py:class:: Stylesheet + +有一种 :py:class:`NavigableString` 子类表示嵌入的 CSS 脚本； +内容是 ``