关闭

BeautifulSoup应用笔记(1)- 解析器及对象类型

1248人阅读 评论(0) 收藏 举报
分类:

解析器

BeautifulSoup支持Python标准库中的HTML解析器(html.parser),还支持一些第三方的解析器,如:lxml、html5lib,官方推荐使用lxml(优势:速度快、支持xml)作为解析器。如果没有配置解析器,BeautifulSoup会根据系统安装的库自动选择解析器,因此最好注明使用哪种解析器,避免不同环境执行结果不一致。

经过实践,html5lib的兼容性最佳,html.parser和lxml无法正确解析的复杂的html文档(包含多个iframe框架,应用find_all("iframe")获取的结果数量少于实际的数量),换为html5lib后可以正确解析。

解析器的使用方法:

BeautifulSoup(markup, "lxml")

对象类型

BeautifulSoup对象类型包括BeautifulSoup,Tag,NavigableString,Comment。

示例如下:

from bs4 import BeautifulSoup

html_doc = """
<html>
<head><title>The Dormouse's story</title></head>
<body>
<b><!--Hey, buddy. Want to buy a used parser?--></b>
<p class="title"><b>The Dormouse's story</b></p>

<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>

<p class="story">...</p>
"""

soup=BeautifulSoup(html_doc)
tag=soup.title
string=tag.string
comment=soup.b.string

print type(soup)    # <class 'bs4.BeautifulSoup'>
print type(tag) 	# <class 'bs4.element.Tag'>
print type(string)  # <class 'bs4.element.NavigableString'>
print type(comment) # <class 'bs4.element.Comment'>


 备注:

详细文档可参考官方文档:http://www.crummy.com/software/BeautifulSoup/bs4/doc/

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:111742次
    • 积分:1239
    • 等级:
    • 排名:千里之外
    • 原创:20篇
    • 转载:32篇
    • 译文:0篇
    • 评论:3条
    文章分类
    最新评论