1. 什么是BeautifulSoup
Beautiful Soup(简称BS4)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tiful 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。
不需要考虑编码方式,除非文档没有指定,重新原始编码方式即可。
2. BS4的4种对象
2.1 BeautifulSoup对象
获取标签属性
2.2 Tag对象
Tag就是html中的一个标签,用BeautifulSoup就能解析出来Tag的具体内容,
具体的格式为soup.name,其中name是html下的标签。
2.3 NavigableString对象
用于获取标签内容
2.4 注释对象
特殊的NavigableString对象
3. 解析器
3.1 什么是解析器:
将文档解析为目标格式的文档
3.2 常见解析器:
3.2.1 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 的版本中文档容错能力差
3.2.2 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
3.2.3 lxml
XML 解析器
BeautifulSoup(markup, ["lxml-xml"])
BeautifulSoup