python3与Beautiful Soup库

最新推荐文章于 2023-12-03 19:30:00 发布

清风不识字12138

最新推荐文章于 2023-12-03 19:30:00 发布

阅读量576

点赞数

分类专栏： python学习文章标签： python 网络爬虫库

本文链接：https://blog.csdn.net/qq_33363973/article/details/78270464

版权

python学习专栏收录该内容

21 篇文章 0 订阅

订阅专栏

BeautifulSoup库主要用于处理HTML和XML格式的文件，常用于网络爬虫。
但是BeautifulSoup库的3版本已不再更新，所以现在主要来说下4版本及之后的版本。
首先是安装：
安装文件在这里：
使用pip 安装4版本时要注意应该用

pip install bs4

然后就是库的引用格式的改变：
3版本：

from BeautifulSoup import BeautifulSoup          # For processing HTML
from BeautifulSoup import BeautifulStoneSoup     # For processing XML
import BeautifulSoup                             # To get everything

4版本：

import bs4                                      # To get everything

在使用时也有一些差别。具体可参照这里，要注意的是这里的示例是在python2中的，需要自行转换成python3（示例中仅仅只需要把print后的内容加上小括号就可以运行了）。而且示例是基于3版本的。
例如实例中：

from BeautifulSoup import BeautifulSoup
import re

doc = ['<html><head><title>Page title</title></head>',
       '<body><p id="firstpara" align="center">This is paragraph <b>one</b>.',
       '<p id="secondpara" align="blah">This is paragraph <b>two</b>.',
       '</html>']
soup = BeautifulSoup(''.join(doc))

print soup.prettify()
# <html>
#  <head>
#   <title>
#    Page title
#   </title>
#  </head>
#  <body>
#   <p id="firstpara" align="center">
#    This is paragraph
#    <b>
#     one
#    </b>
#    .
#   </p>
#   <p id="secondpara" align="blah">
#    This is paragraph
#    <b>
#     two
#    </b>
#    .
#   </p>
#  </body>
# </html>

我们在4版本中就应该改为

from bs4 import BeautifulSoup
import re

doc = ['<html><head><title>Page title</title></head>',
       '<body><p id="firstpara" align="center">This is paragraph <b>one</b>.',
       '<p id="secondpara" align="blah">This is paragraph <b>two</b>.',
       '</html>']
soup = BeautifulSoup(''.join(doc))

print(soup.prettify())
# <html>
# <head>
#  <title>
#   Page title
#  </title>
# </head>
# <body>
#  <p align="center" id="firstpara">
#   This is paragraph
#   <b>
#    one
#   </b>
#   .
#   <p align="blah" id="secondpara">
#    This is paragraph
#    <b>
#     two
#    </b>
#    .
#   </p>
#  </p>
# </body>
#</html>

可以看出输出是有一些差别的，体现在第一个 < /b >出现的位置，还有一些小差别就自己探索吧。
还有一点就是4版本中处理HTML和XML只需要一个函数就可以了，而不需要3版本中的BeautifulSoup和BeautifulStoneSoup两个函数分别处理。

清风不识字12138

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
python3与Beautiful Soup库

BeautifulSoup库主要用于处理HTML和XML格式的文件，常用于网络爬虫。但是BeautifulSoup库的3版本已不再更新，所以现在主要来说下4版本及之后的版本。首先是安装：安装文件在这里：使用pip 安装4版本时要注意应该用pip install bs4然后就是库的引用格式的改变： 3版本：from BeautifulSoup import BeautifulSoup
复制链接

扫一扫