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>