BeatifulSoup库入门

BeautifulSoup库入门

Beautiful Soup库是解析、遍历、维护“标签树”的功能库

BeautifulSoup库的安装与导入

• win平台，“以管理员身份运行”cmd,执行

pip install beautifulsoup4

• 导入方式

from bs4 import BeautifulSoup

BeautifulSoup库解析器

• bs4的HTML解析器

安装bs4库

BeautifulSoup(mk,‘html.parser’)

• lxml的HTML解析器

pip install lxml

BeautifulSoup(mk,‘lxml’)

• lxml的XML解析器

pip install lxml

BeautifulSoup(mk,‘xml’)

• html5lib解析器

pip install html5lib

BeautifulSoup(mk,‘html5lib’)

BeautifulSoup类的基本元素

Tag标签

基本元素	说明
Tag	标签，最基本的信息组织单元，分别用<>和</>标明开通和结尾

from bs4 import BeautifulSoup
soup = BeautifulSoup('<a><span>hi</span></a>','html.parser')
soup.a

<a><span>hi</span></a>

注意：当文档中存在多个相同的对应内容时，返回第一个

Tag的name（名字）

基本元素	说明
Name	标签的名字,<a>..</a>的名字是’p’

soup = BeautifulSoup('<a><span>hi</span></a>','html.parser')
soup.a.name

'a'

Tag的attrs（属性）

基本元素	说明
Attributes	标签的属性,字典形式组织，格式：<tag>.attrs

soup = BeautifulSoup('<a href="#">test</a>','html')
soup.a.attrs

{'href': '#'}

Tag的NavigableString

基本元素	说明
NavigableString	标签内非属性字符串,<>..</>字符串，格式：<tag>.string

soup = BeautifulSoup('<a>this is a string</a>','html')
print