BS把HTML看做一个树形，以标签和文本为基本类型，一个标签包含其他标签，被解析为一个标签是另一个标签的子树。那么，最终整个HTML文档被解析为一棵树的形式。
BS包括四种基本类型： Soup（树），Tag（标签节点），String（字符节点），Comment（注释节点）。
这四种类型的节点构成树，Soup代表这颗树，String为叶子节点，tag为标签子节点，为其标签包含的所有内容。
剖析 HTML
使用 BeautifulSoup 类剖析HTML文档。 BeautifulSoup会得出以下一些信息：
- 有些标签可以内嵌 (<BLOCKQUOTE>) ，有些不行 (<P>).
- table和list标签有一个自然的内嵌顺序。例如，<TD> 标签内为 <TR> 标签，而不会相反。
- <SCRIPT> 标签的内容不会被剖析为HTML。
- <META> 标签可以知道文档的编码类型。
剖析树
到目前为止，我们只是载入文档，然后再输出它。 现在看看更让我们感兴趣的剖析树： Beautiful Soup剖析一个文档后生成的数据结构。
剖析对象 (BeautifulSoup或 BeautifulStoneSoup的实例)是深层嵌套(deeply-nested), 精心构思的(well-connected)的数据结构，可以与XML和HTML结构相互协调。 剖析对象包括2个其他类型的对象，Tag对象， 用于操纵像<TITLE> ，<B>这样的标签；NavigableString对象， 用于操纵字符串，如"Page title"和"This is paragraph"。
建树
import bs4#导入BeautifulSoup库
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会自动检测传入文件的编码格式，然后转化为Unicode格式
节点属性
可以通过Tag.attrs访问，返回字典结构的属性。
或者Tag.name这样访问特定属性值，如果是多值属性则以列表形式返回。
遍历
子节点：
Tag.Tag_child1：直接通过下标名称访问子节点。
Tag.contents：以列表形式返回所有子节点。
Tag.children：生成器，可用于循环访问：for child in Tag.children
String 子节点：
Tag.String：Tag只有一个String子节点是，可以这么访问，否则返回None
Tag.Strings：生成器，可用于循环访问：for str in Tag.Strings
子孙节点：
Tag.descendants：生成器，可用于循环访问：for des inTag.descendants
父节点：
Tag.parent：父节点
Tag.parents：父到根的所有节点
兄弟节点：
Tag.next_sibling
Tag.next_siblings
Tag.previous_sibling
Tag.previous_siblings
查找
最常用的是find_all()函数
方法搜索当前tag的所有tag子节点,并判断是否符合过滤器的条件。
find_all( name , attrs , recursive , text ,**kwargs )
第一个参数为Tag的名称
#第一个参数为Tag的名称，如：
tag.find_all(‘title’)
#得到”<title>&%^&*</title>”,结果为一个列表
第二个参数为匹配的属性
tag.find_all(“title”,class=”sister”)
#得到如”<title class = “sister”>%^*&</title>
第二个参数也可以为字符串，得到字符串匹配的结果
tag.find_all(“title”,”sister”)
#得到如”<title class = “sister”>%^*&</title>
参考文档
https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html