Beautiful Soup库丨Python爬虫基础入门系列(2)

提示：文末戳我名片>>Free领>>全套Python爬虫学习资料

---

前言

bs4库 与 lxml库 的区别
BeautifulSoup4 是一个 HTML/XML 的解析器，主要的功能是解析和提取 HTML/XML 的数据，和 lxml 库一样。

lxml 只会局部遍历，而 BeautifulSoup4 是基于HTML DOM的，会加载整个文档，解析整个DOM树，因此内存开销比较大，性能比较低。

BeautifulSoup4 用来解析HTML比较简单，API使用非常人性化，支持CSS选择器，是Python标准库中的HTML解析器，也支持lxml解析器。

---

话不多说，开始学习

Beautiful Soup库

1、安装Beautiful Soup库

打开cmd，输入pip install beautifulsoup4

2、使用Beautiful Soup库

from bs4 import BeautifulSoup

soup=BeautifulSoup(data,'html.parser')

其中data为爬取的网页源代码，html.parser为对data的解释器。

3、bs4库的基本元素

bs4库的理解

bs4库是解析、遍历、维护“标签树”的功能书。

<p class="title">..</p>

<p>..</p>是以p为名称的标签类型。

class=“title”是该标签的属性域，是一个键值对。

引用方式

from bs4 import BeautifulSoup

import bs4

解析器

bs4的HTML解析器：BeautifulSoup