写在前面上一篇演示了如何使用requests模块向网站发送http请求，获取到网页的HTML数据。这篇来演示如何使用BeautifulSoup模块来从HTML文本中提取我们想要的数据。

运行环境我的运行环境如下：系统版本：Windows10。Python版本：Python3.6  IDE：Pycharm

BeautifulSoup ——解析html文档

首先来看BeautifulSoup的对象种类，在使用的过程中就会了解你获取到的东西接下来应该如何操作。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种类型: Tag , NavigableString , BeautifulSoup , Comment 。

下面我们分别看看这四种类型都是什么东西。

1>.Tag

这个就跟HTML或者XML（还能解析XML？是的，能！）中的标签是一样一样的。我们使用find()方法返回的类型就是这个（插一句：使用find-all()返回的是多个该对象的集合，是可以用for循环遍历的。）。返回标签之后，还可以对提取标签中的信息。

提取标签的名字：

tag.name

提取标签的属性：

tag['attribute']

我们用一个例子来了解这个类型：

运行结果如下：

2>.NavigableString

NavigableString就是标签中的文本内容（不包含标签）。

获取方式如下：

tag.string

还是以上面那个例子，加上下面这行，然后执行：

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

NavigableString is： The Dormouse's story

3>.BeautifulSoup

BeautifulSoup对象表示一个文档的全部内容。支持遍历文档树和搜索文档树

4>.Comment这个对象其实就是HTML和XML中的注释

结果如下

Hey, buddy. Want to buy a used parser?

<class 'bs4.element.Comment'>