BeautifulSoup库整理

最新推荐文章于 2023-12-10 12:44:10 发布

VIP文章 StarLord007

最新推荐文章于 2023-12-10 12:44:10 发布

阅读量249

点赞数

分类专栏：爬虫

本文链接：https://blog.csdn.net/q1694222672/article/details/82682970

版权

BeautifulSoup是一个很好用很常用的解析库

支持解析器：

Python标准库 BeautifulSoup(markup, “html.parser”) Python的内置标准库、执行速度适中、文档容错能力强 Python 2.7.3 or 3.2.2)前的版本中文容错能力差
lxml HTML 解析器 BeautifulSoup(markup, “lxml”) 速度快、文档容错能力强需要安装C语言库
lxml XML 解析器 BeautifulSoup(markup, “xml”) 速度快、唯一支持XML的解析器需要安装C语言库
html5lib BeautifulSoup(markup, “html5lib”) 最好的容错性、以浏览器的方式解析文档、生成HTML5格式的文档速度慢、不依赖外部扩展

常用lxml，若文档较乱，可以尝试html5lib

一、基本使用

html = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><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>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.prettify())          #格式化源码，好看，也能将不完整的代码进行补全
print(soup.title.string)        #获取title

二、标签选择器的使用

1.选择元素

print(soup.head)
print(soup.head.title)
print(type(soup.head))              #还是tag类型，可以链式调用
print(soup.body.a)
------------------------------------------------------------
<head><title>The Dormouse's story</title></head>
<title>The Dormouse's story</title>
<class 'bs4.element.Tag'>
<a class="sister" href="http://example.com/elsie" id="link1">

最低0.47元/天解锁文章

StarLord007

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
BeautifulSoup库整理

BeautifulSoup是一个很好用很常用的解析库支持解析器：Python标准库 BeautifulSoup(markup, “html.parser”) Python的内置标准库、执行速度适中、文档容错能力强 Python 2.7.3 or 3.2.2)前的版本中文容错能力差lxml HTML 解析器 BeautifulSoup(markup, “lxm...
复制链接

扫一扫