BeautifulSoup库的基本元素
BeautifulSoup库的理解
html是由<>储存信息的,不同标签之间存在上下游关系形成标签树(一组类)
BeautifulSoup库是解析、遍历、维护“标签树”的功能库
<html>
<body>
<p class='title">...</p>
</body>
</html>
BeautifulSoup的基本元素
BeautifulSoup库
BeautifulSoup库,也叫beautifulsou4或bs4,引用方法:
from bs4 import BeautifulSoup
import bs4
BeautifulSoup对应一个HTML/XML文档的全部内容
from bs4 import BeautifulSoup
soup = BeautifulSoup("<html>data</html>","html.parser")#html.parser:指定解析器
soup2 = BeautifulSoup(open("D://demo.html"),"html.parser")
beautifulsoup的四种解析器
解析器 | 使用方法 | 条件 |
---|---|---|
bs4的HTML解析器 | BeautifulSoup(mk,‘html.parser’) | 安装bs4 |
Ixml的HTML解析器 | BeautifulSoup(mk,‘Ixml’) | pip installer Ixml |
Ixml的XML解析器 | BeautifulSoup(mk,‘xml’) | pip installer Ixml |
html5lib的解析器 | BeautifulSoup(mk,‘html5lib’ | pip installer html5lib |
以上的解析器都能有效解析html
BeautifulSoup类的基本元素
基本元素 | 说明 |
---|---|
Tag | 标签,最基本的信息组织单元,分别用<>和</>标明开头和结尾 |
Name | 标签的名字,< p>…</ p >的名字是’p’,格式:< tag>.name |
Attributes | 标签的属性,字典形式组织,格式:< tag >.attrs |
NavigableString | 标签非属性字符串,<>…</>中字符串,格式:< tag >.string |
Comment | 标签内字符串的注释部分,一种特殊的Comment类型 |