BeautifulSoup对象是如何支持将HTML标签作为属性调用的？

你猜测的「生成Python代码字符串再导入执行」的思路是错的，BeautifulSoup 通过 Python 内置的属性访问拦截魔法方法实现这个特性，实现逻辑非常简洁。

1. 核心原理：__getattr__ 魔法方法 #

Python 类中定义的 __getattr__ 方法会在你访问对象不存在的属性时自动触发，你要访问的属性名会作为字符串参数传入该方法，方法的返回值就是属性访问的结果。

2. 简易实现示例 #

你可以用下面的代码直接模拟这个效果：

class MiniSoup:
    def __init__(self, html):
        # 模拟解析HTML后得到的标签存储结构，key为标签名，value为标签内容
        self._parsed_tags = self._parse_html(html)
    
    def _parse_html(self, html):
        # 这里简化了解析逻辑，仅做示例
        import re
        tags = {}
        for tag in re.findall(r'<(\w+)>(.*?)</\1>', html):
            tag_name, content = tag
            if tag_name not in tags:
                tags[tag_name] = []
            tags[tag_name].append(f"<{tag_name}>{content}</{tag_name}>")
        # 单个标签直接返回内容，多个返回列表
        return {k: v[0] if len(v) == 1 else v for k, v in tags.items()}
    
    def __getattr__(self, attr_name):
        # 拦截不存在的属性访问，查找对应标签
        if attr_name in self._parsed_tags:
            return self._parsed_tags[attr_name]
        raise AttributeError(f"标签 {attr_name} 不存在")

测试调用效果：

html = """
<html>
    <head>测试页面</head>
    <body>
        <p>第一段</p>
        <p>第二段</p>
    </body>
</html>
"""
soup = MiniSoup(html)
print(soup.head) # 输出 <head>测试页面</head>
print(soup.p) # 输出 ['<p>第一段</p>', '<p>第二段</p>']

3. 补充说明 #

BeautifulSoup 的底层实现和上述示例逻辑完全一致：它在初始化时就已经把所有HTML标签解析后按名称存储到了内部数据结构中，你用属性访问标签时，本质是通过__getattr__动态查询内部存储的解析结果，全程不需要动态生成、执行代码。
如果需要实现obj["head"]这种字典风格的标签访问，可以再实现__getitem__魔法方法，原理和__getattr__完全一致。

内容的提问来源于stack exchange，提问作者Paulo