Beautiful Soup是python的一个库，最主要的功能是从网页抓取数据。官方解释如下：
Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。
Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。你不需要考虑编码方式，除非文档没有指定一个编码方式，这时，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。
Beautiful Soup已成为和lxml、html6lib一样出色的python解释器，为用户灵活地提供不同的解析策略或强劲的速度。
Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种: Tag , NavigableString , BeautifulSoup , Comment .
详细介绍见：http://cuiqingcai.com/1319.html
先创建soup对象，然后再对soup对象进行搜索。
测试代码：
# -*- coding: utf-8 -*-：
import re
from bs4 import BeautifulSoup
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
#文档
soup = BeautifulSoup(html_doc,'html.parser',from_encoding = 'utf8')
#三个参数分别为HTML文档字符串、HTML解析器、HTML文档的编码
print '获取所有的链接'
links = soup.find_all('a')
for link in links:
print link.name,link['href'], link['id'],link.get_text()
print '只获取lacie的链接'
link_node = soup.find('a',href="http://example.com/lacie")
print link_node.name,link_node['href'], link_node['id'],link_node.get_text()
print '正则匹配'
mah = re.compile(r'')
link_zhengze = soup.find_all('a',href = mah)
for link in link_zhengze:
print link.name,link['href'], link['id'],link.get_text()
print '根据class来进行获取'
link_node= soup.find(class_ = 'title')
print link_node.name,link_node['class'],link_node.get_text()
675
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
