python2.7 beautifulsoup学习使用

• 学习使用python的beautiful soup库，大大方便了网络爬虫对于HTML文件的解析，beautiful soup将HTML拆解成对象处理，将HTML转换成字典和数组，相比利用正则表达式解析的爬虫，省略了学习正则表达式的高成本

  
  

  说人话就是正则表达式太难了，博主学不会！

  
  

  本篇只介绍Beautiful Soup的使用，不涉及安装、配置。

  
  

  Beautiful Soup的使用方法如下：

  
  

  1、创建Beautiful Soup对象

  
  

  首先导入bs4库，创建Beautiful Soup对象

  
  

   

  
  

  ?

  1 2	from bs4 import BeautifulSoup #导入BeautifulSoup模块 soup = BeautifulSoup(html.decode( "utf-8" )) #创建BeautifulSoup对

  
  

  2、格式化输出

  
  

  官方文档实例

  
  

  ?

  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

  from BeautifulSoup import BeautifulSoup import re   doc = [ '<title>Page title</title>' ,         '<p id="firstpara" align="center">This is paragraph <b>one</b>.' ,         '</p><p id="secondpara" align="blah">This is paragraph <b>two</b>.' ] soup = BeautifulSoup( '' .join(doc))   print soup.prettify() #   <title> #    Page title #   </title> #   </p><p id="firstpara" align="center"> #    This is paragraph #    <b> #     one #    </b> #    . #   </p> #   <p id="secondpara" align="blah"> #    This is paragraph #    <b> #     two #    </b> #    . #   </p>

  
  

  后面再补充。。。。