python Beautiful Soup4（一）

最新推荐文章于 2024-08-08 15:42:55 发布

hoooooolyhu

最新推荐文章于 2024-08-08 15:42:55 发布

阅读量636

点赞数

分类专栏： python 文章标签： python

本文链接：https://blog.csdn.net/healthy_coder/article/details/50519934

版权

python 专栏收录该内容

32 篇文章 4 订阅

订阅专栏

Beautiful Soup是python的一个解析HTML或XML格式文件的包，Beautiful Soup 3已经不在开发，现在一般使用Beautiful Soup 4。学习BS4最好的方法是找一段网页例子来进行解析，我们先来写一段HTML代码。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>父亲</title>
    <link rel="stylesheet" type="text/css" href="father.css">
    <link rel="stylesheet" type="text/css" href="./css/bootsrap.min.css">
</head>
<body background="./image/bg.jpg">
<div id='head1'><h1>亲爱的父亲，我想对你说：</h1></div>
  <div>
    <ui>
        <li class="item1">感谢一路上有你!!!</li>
        <li class="item2">感谢一路上有你!!!</li>
        <li class="item3">感谢一路上有你!!!</li>
        <li class="item4">感谢一路上有你!!!</li>
        <li class="item5">感谢一路上有你!!!</li>
        <li class="item6">感谢一路上有你!!!</li>
        <li class="item7">感谢一路上有你!!!</li>
        <li class="item8">感谢一路上有你!!!</li>
        <li class="item9">感谢一路上有你!!!</li>
        <li class="item10">感谢一路上有你!!!</li>
    </ui>
  </div>
</body>
</html>

我们将上边的代码保存成’father.html’，然后用BS4来解析它。

>>> from bs4 import BeautifulSoup
>>> html_doc = open('father.html').read()
>>> soup = BeautifulSoup(html_doc)
# 直接传入文件句柄也是可以的
# soup = BeautifulSoup(open('father.html')) 跟上边效果一样

现在通过BeautifulSoup的解析就可以得到一个BeautifulSoup对象，使用该对象的prettify方法，可以将代码按照标准缩进打印出来。
这里写图片描述
是不是很漂亮-_-
有了包含网页信息的BeautifulSoup对象，我们就可以愉快的解析网页了，先来几个小栗子尝尝-_-

>>> soup.title    #输出文档title，含标签
<title>父亲</title>
>>> print soup.title.string #输出title内容
父亲
>>> soup.find_all('li')
[<li class="item1">感谢一路上有你!!!</li>,
 <li class="item2">感谢一路上有你!!!</li>,
 <li class="item3">感谢一路上有你!!!</li>,
 <li class="item4">感谢一路上有你!!!</li>,
 <li class="item5">感谢一路上有你!!!</li>,
 <li class="item6">感谢一路上有你!!!</li>,
 <li class="item7">感谢一路上有你!!!</li>,
 <li class="item8">感谢一路上有你!!!</li>,
 <li class="item9">感谢一路上有你!!!</li>,
 <li class="item10">感谢一路上有你!!!</li>]