BS把HTML看做一個樹形，以標籤和文本爲基本類型，一個標籤包含其他標籤，被解析爲一個標籤是另一個標籤的子樹。那麼，最終整個HTML文檔被解析爲一棵樹的形式。
BS包括四種基本類型： Soup（樹），Tag（標籤節點），String（字符節點），Comment（註釋節點）。
這四種類型的節點構成樹，Soup代表這顆樹，String爲葉子節點，tag爲標籤子節點，爲其標籤包含的所有內容。
剖析 HTML
使用 BeautifulSoup 類剖析HTML文檔。 BeautifulSoup會得出以下一些信息：
- 有些標籤可以內嵌 (<BLOCKQUOTE>) ，有些不行 (<P>).
- table和list標籤有一個自然的內嵌順序。例如，<TD> 標籤內爲 <TR> 標籤，而不會相反。
- <SCRIPT> 標籤的內容不會被剖析爲HTML。
- <META> 標籤可以知道文檔的編碼類型。
剖析樹
到目前爲止，我們只是載入文檔，然後再輸出它。 現在看看更讓我們感興趣的剖析樹： Beautiful Soup剖析一個文檔後生成的數據結構。
剖析對象 (BeautifulSoup或 BeautifulStoneSoup的實例)是深層嵌套(deeply-nested), 精心構思的(well-connected)的數據結構，可以與XML和HTML結構相互協調。 剖析對象包括2個其他類型的對象，Tag對象， 用於操縱像<TITLE> ，<B>這樣的標籤；NavigableString對象， 用於操縱字符串，如"Page title"和"This is paragraph"。
建樹
import bs4#導入BeautifulSoup庫
Soup = BeautifulSoup(html)#其中html 可以是字符串，也可以是句柄
需要注意的是，BeautifulSoup會自動檢測傳入文件的編碼格式，然後轉化爲Unicode格式
節點屬性
可以通過Tag.attrs訪問，返回字典結構的屬性。
或者Tag.name這樣訪問特定屬性值，如果是多值屬性則以列表形式返回。
遍歷
子節點：
Tag.Tag_child1：直接通過下標名稱訪問子節點。
Tag.contents：以列表形式返回所有子節點。
Tag.children：生成器，可用於循環訪問：for child in Tag.children
String 子節點：
Tag.String：Tag只有一個String子節點是，可以這麼訪問，否則返回None
Tag.Strings：生成器，可用於循環訪問：for str in Tag.Strings
子孫節點：
Tag.descendants：生成器，可用於循環訪問：for des inTag.descendants
父節點：
Tag.parent：父節點
Tag.parents：父到根的所有節點
兄弟節點：
Tag.next_sibling
Tag.next_siblings
Tag.previous_sibling
Tag.previous_siblings
查找
最常用的是find_all()函數
方法搜索當前tag的所有tag子節點,並判斷是否符合過濾器的條件。
find_all( name , attrs , recursive , text ,**kwargs )
第一個參數爲Tag的名稱
#第一個參數爲Tag的名稱，如：
tag.find_all(‘title’)
#得到”<title>&%^&*</title>”,結果爲一個列表
第二個參數爲匹配的屬性
tag.find_all(“title”,class=”sister”)
#得到如”<title class = “sister”>%^*&</title>
第二個參數也可以爲字符串，得到字符串匹配的結果
tag.find_all(“title”,”sister”)
#得到如”<title class = “sister”>%^*&</title>
參考文檔
https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html