何为Beautiful Soup
下面的话引用自官方文档：
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.Beautiful Soup会帮你节省数小时甚至数天的工作时间。
确实，Beautiful是在爬虫应用中，解析提取Html元素的一个简单易用但高效的库。
安装 Beautiful Soup
安装的方式也有很多，可以从源码编译安装，也可以使用python的包管理器来快速安装，后者是常用的方式。
pip install beautifulsoup4这样便可以在python中通过from bs4 import BeautifulSoup来使用BeautifulSoup。
使用Beautiful Soup
例如有如下html：
<html>
<body>
<h1 id="title">hello world!</h1>
<a href="#" class="link">This is link1</a>
<a href="# link2" class="link">This is link2</a>
</body>
</html>将网页读进BeautifulSoup中，
from bs4 import BeautifulSoup
html_sample =
'''
<html>
<body>
<h1 id="title">hello world!</h1>
<a href="#" class="link">This is link1</a>
<a href="# link2" class="link">This is link2</a>
</body>
</html>
'''
soup = BeautifulSoup(html_sample, 'html.parser')#html.parser是python的内置标准库用来解析html代码1. 找出特定标签的html元素
header = soup.select('h1')
print(header)结果如下：
[<h1 id="title">hello world!</h1>]如果只想保留文字内容，则
print(header[0].text)2. 找出含有特定CSS属性的元素
使用select可以找出css样式表中，所有id(id前需加#)和class(class前需加.)的元素
title = soup.select('#title')
print(title)
for link in soup.select('.link'):
print(link)显示如下：
[<h1 id="title">hello world!</h1>]
<a class="link" href="#">This is link1</a>
<a class="link" href="# link2">This is link2</a>3. 找出某标签的特定属性
alinks = soup.select('a')
for link in alinks:
print(link['href'])结果如下：
#
# link2总结
以上便是Beautiful Soup的一些简单用法，更多用法尽在官方文档，这是一个神奇的库，可以在使用时随时查看文档，记录心得。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
