Beautiful Soup简介
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.
BeautifulSoup
BeautifulSoup 对象表示的是一个文档的全部内容.大部分时候,可以把它当作 Tag 对象,它支持 遍历文档树 和 搜索文档树 中描述的大部分的方法.
因为 BeautifulSoup 对象并不是真正的HTML或XML的tag,所以它没有name和attribute属性.但有时查看它的 .name 属性是很方便的,所以 BeautifulSoup 对象包含了一个值为 “[document]” 的特殊属性 .name
文档解析错误
文档解析错误有两种.一种是崩溃,Beautiful Soup尝试解析一段文档结果却抛除了异常,通常是 HTMLParser.HTMLParseError .还有一种异常情况,是Beautiful Soup解析后的文档树看起来与原来的内容相差很多.
这些错误几乎都不是Beautiful Soup的原因,这不会是因为Beautiful Soup得代码写的太优秀,而是因为Beautiful Soup没有包含任何文档解析代码.异常产生自被依赖的解析器,如果解析器不能很好的解析出当前的文档,那么最好的办法是换一个解析器.
最常见的解析错误是 HTMLParser.HTMLParseError: malformed start tag 和 HTMLParser.HTMLParseError: bad end tag .这都是由Python内置的解析器引起的,解决方法是 安装lxml或html5lib
最常见的异常现象是当前文档找不到指定的Tag,而这个Tag光是用眼睛就足够发现的了. find_all() 方法返回 [] ,而 find() 方法返回 None .这是Python内置解析器的又一个问题: 解析器会跳过那些它不知道的tag.解决方法还是 安装lxml或html5lib
示例代码
# -*- coding:UTF-8 -*- #!/usr/bin/python3 import requests from bs4 import BeautifulSoup r = requests.get('http://www.163.com/') soup = BeautifulSoup(r.text) print("---------------------------------") print(soup.title) print("---------------------------------") print(soup.title.name) print("---------------------------------") print(soup.title.string) print("---------------------------------") print(soup.title.parent.name) print("---------------------------------") print(soup.p) print("---------------------------------") print(soup.p['class']) print("---------------------------------") print(soup.a) print("---------------------------------") for link in soup.find_all('a'): print(link.get('href')) print("---------------------------------") print(soup.body.text) print("---------------------------------") 输出结果: --------------------------------- 网易 --------------------------------- title --------------------------------- 网易 --------------------------------- head ---------------------------------
一周图片精选:2015.3.7-3.13
--------------------------------- ['pos-abs'] --------------------------------- 应用 --------------------------------- http://www.163.com/#f=topnav http://m.163.com/newsapp/#f=topnav http://music.163.com/#f=topnav http://yuedu.163.com/#f=topnav http://note.youdao.com/#f=topnav http://love.163.com/ http://open.163.com/#f=topnav http://caipiao.163.com/mobile/client_cp.jsp#from=yingyong http://cidian.youdao.com/?vendor=topnav http://mail.163.com/client/dl.html?from=mail46 http://www.lofter.com/?act=qb163rk_20141031_01 ··· --------------------------------- 应用 网易新闻 网易云音乐 网易云阅读 有道云笔记 ··· ---------------------------------更多介绍可参考官方文档
整理自网络
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/29733787/viewspace-1460106/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/29733787/viewspace-1460106/