7.30--Python爬虫的Beautifulsoup库和文件存储

Beautifulsoup库：

就是Python的一个HTML的解析库，可以用它来方便地从网页中提取数据。借助网页的结构和属性等特性来解析网页。

解析器：
Beautiful Soup在解析时实际上依赖解析器，它除了支持Python标准库中的HTML解析器外，还支持一些第三方解析器（比如lxml）

选择器：
1、节点选择器

2、方法选择器

3、css选择器

Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种:
1)tag:HTML 中的一个个标签,两个重要的属性，name 和 attrs ：

2)NavigableString:得到了标签的内容用 .string 即可获取标签内部的文字，会输出注释

3)BeautifulSoup:BeautifulSoup 对象表示的是一个文档的全部内容,是一个特殊的 Tag

4)Comment:Comment 对象是一个特殊类型的 NavigableString 对象，不会输出注释

其中，BeautifulSoup是Tag对象的具体化；Comment是Navigablestring对象的具体化。

1、BeautifulSoup的节点选择器：
直接调用节点的名称就可以选择节点元素，再调用string属性就可以得到节点内的文本了，这种选择方式速度非常快。如果单个节点结构层次非常清晰，可以选用这种方式来解析。

选择元素
|
提取信息:获取名称 获取属性 获取内容
|
嵌套选择：继续调用节点进行下一步的选择
|
关联选择：有时候不能做到一步就选到想要的节点元素，需要先选中某一个节点元素，然后以它为基准再选择 它的子节点、父节点、兄弟节点等。

实例；