new一个对象

from bs4 import BeautifulSoup
soup = BeautifulSoup(html, features="html.parser")

1. 查找

# 根据标签查找
imgs = soup.find_all("img")
# 根据属性查找
imgs = soup.find_all("img", attrs={"class": "avatar"})
# 根据样式查找（支持正则）
tabs = soup.find_all(style=re.compile(r'.*display:none.*?'))

2. 删除标签

# 删除style中包含隐藏的标签
for i in self.soup.find_all(style=re.compile(r'.*display:none.*?')):
    i.decompose()

3. 获取标签的属性

# 获取img标签的src属性
imgs = soup.find_all('img')
for img in imgs:
    url = img.get("src")
    print(url)

4. 获取标签内的文本

# 获取文本（分隔符、去除空白）
soup.get_text(separator=" ", strip=True)

5. 根据css选择器选择标签

 #获取a标签中具有href属性的标签
soup.select('a[href]')

6. 正则匹配标签

# 选取所有的h标签，替换内容（去除h标签内的标签，只保留文本）
for i in soup.find_all(re.compile("^h[1-6]")):
	i.string = i.get_text()

7. 去除空标签

# 删除空白标签（例如<p></p>、<p><br></p>, img、video、hr除外）
soup = BeautifulSoup(clean_content, features="html.parser")
for i in soup.find_all(lambda tag: len(tag.get_text()) == 0 and tag.name not in ["img", "video", "br"] and tag.name != "br"):
    for j in i.descendants:
        if j.name in ["img", "video", "br"]:
            break
    else:
        i.decompose()