一、4种BeautifulSoup库解析器:
BeautifulSoup解析器常配合网络爬虫解析返回的网页文档
1、bs4的HTML解析器:
安装bs4库:pip install bs4
解析用法:BeautifulSoup(mk,‘html.parser’)
2、lxml的HTML解析器:
安装lxml库:pip install lxml:
解析用法:BeautifulSoup(mk,‘lxml’)
3、lxml的XML解析器:
安装lxml库:pip install lxml:
解析用法:BeautifulSoup(mk,‘xml’)
4、html5lib的解析器:
安装html5lib库:pip install html5lib:
解析用法:BeautifulSoup(mk,‘html5lib’)
bs4库BeautifulSoup解析器解析页面示例:
#!/usr/bin/python
# coding = utf-8
from bs4 import BeautifulSoup
import requests
url = 'https://blog.csdn.net/qq_43054896'
try:
r = requests.get(url)
r.raise_for_status()
# bs4库BeautifulSoup解析返回页面内容
soup = BeautifulSoup(r.text,'html.parser')
except:
print('error')
二、BeautifulSoup元素的5种基本属性
BeautifulSoup解析器以一对对的标签作为信息元素。
1、tag:标签,最基本的信息组织单元,<>和</>标明开头和结尾
1、soup.find_all(<tag>) 等价于 soup(<tag>)
2、<tag>.find_all(.