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