本文介绍了Python的Beautiful Soup库，用于解析和操作HTML和XML文档。内容涵盖标签树概念，Beautiful Soup的基本元素如Tag、Name、Attributes、NavigableString和Comment，以及如何使用该库进行下行、上行和平行遍历标签树的实例讲解。通过学习，读者可以掌握如何利用Beautiful Soup高效提取网页数据。
Python爬虫学习二——Beautiful Soup库
1 简介
Beautiful Soup（以下简称bs）库是用于解析、遍历、维护“标签树”的python库，能够非常方便快捷友好的提取网页内容中感兴趣的部分，比如超链接、超链接文本等等。
1.1 标签树
简单来说，标签树就是由标签构成的复杂结构。杂乱无章的信息通过标记，形成一个个标签，再统一到一起，就形成了标签树。常用的标记语言有三种，xml、json和yaml，xml称为扩展标记语言，是在html基础上发展起来的通用标记语言，可扩展性好，但是较为繁琐，主要用于在Internet上进行信息交互和传递；json是javascript对象标记，适合程序处理，较xml简洁，适合于移动应用云端和节点的信息通信，无注释；yaml是yaml ain’t markup language，带有递归性质的命名方式，其信息无类型，文本信息比例最高，可读性好，适合于各类系统的配置文件，并且可以写注释，易读。下面以html为例介绍什么是标签树。
简单范例：
<!DOCTYPE html>
<html>
最低0.47元/天 解锁文章
851
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
