爬虫基础 --beautifilsoup4库(解析网页信息)

官方文档：http://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/

创建BeautifulSoup对象

1.导入bs4库
from bs4 import BeautifulSoup
2.创建beautifulsoup对象
soup=BeautifulSoup(“html字符串”或者本地html文件)
3.格式化输出
print(soup.prettify())

---

bs4主要解析器解释

-使用方式：BeautifulSoup(markup,”解析器”)
-主要的解析器：
–Python标准库 “html.parser”默认解析器(速度适中，文档容错强)
–lxm HTTML解析器 “lxml”(速度快，文档容错强)
–lxml XML解析器 “lxm”,”xml”
–html5lib “html5lib” (速度慢，文档容错强)
推荐使用lxml作为解析器

---

四大对象种类

BeautifulSoup将复制HTML文档转换一个复杂的树形结构，每个节点都是一个python对象，可以分为4种：
1.Tag
-Tag对象与XML或HTML原文档中的tag相同

soup=BeautifulSoup("<b class="boldest>hello bs</b>")
tag=soup.b
type(tag)  #<class 'bs4.element.Tag'>
两个重要属性：
  （1）name