bpython bs4用哪个解释器好_BeautifulSoup4解析器

## BeautifulSoup4解析器

和lxml一样，BeautifulSoup也是一个HTML/XML的解析器

| 抓取工具 | 速度 | 使用难度| 安装难度|

| --- | --- | --- | --- |

| 正则 | 最快 | 困难|无(内置)|

| BeautifulSoup| 慢 | 最简单|简单|

| lxml | 快 |简单|一般|

**首先必须要导入bs4库**

```

#!/usr/bin/env python

# -*- coding:utf-8 -*-

from bs4 import BeautifulSoup

html = """

广场

客户端

帮助

个人主页

"""

# 创建BeautifulSoup对象

soup = BeautifulSoup(html,"lxml")

#打开本地html文件方式创建对象

#soup = BeautifulSoup(open('index.html')，"lxml")

#格式化输出 soup对象的内容

print soup.prettify()

```

**1.Tag**

```

#!/usr/bin/env python

# -*- coding:utf-8 -*-

from bs4 import BeautifulSoup

html = """

测试

广场

客户端

帮助

个人主页

"""

# 创建BeautifulSoup对象

soup = BeautifulSoup(html,"lxml")

print soup.head

#

测试

print soup.title

#

测试

print soup.a

#广场

print soup.a.text

#广场

```

**2.对于标签有两个属性 name 和attrs**

```

#!/usr/bin/env python

# -*- coding:utf-8 -*-

from bs4 import BeautifulSoup

html = """

测试

广场

"""

# 创建BeautifulSoup对象

soup = BeautifulSoup(html,"lxml")

print soup.a.attrs #{'href': '/explore', 'class': ['item'], 'name': 'test'}

print soup.a['class'] #['item']

print soup.a.get('class') #['item']

#修改属性

soup.a['class'] = 'newClass'

print soup.a #广场

#删除属性

del soup.a['class']

print soup.a #广场

```

**3.获取标签的内容**

```

# 创建BeautifulSoup对象

soup = BeautifulSoup(html,"lxml")

print soup.a.string #广场

print soup.a.text #广场

```

创建 beaufifulsoup 对象

```

soup = BeautifulSoup(html)

```

下面我们来打印soup对象的内容，格式化输出

```

print soup.prettify()

```

**3.找标签**

直接打印标签

```

print soup.title

#

The Dormouse's story

print soup.head

....

print soup.a

.......

```

对于标签，它有两个重要的属性，是name 和attrs

```

print soup.name

#[document]

print soup.head.name

#head

```

soup 对象本身比较特殊，它的name即为【document】，对于其他内部标签，输出的值便为标签本身的名

```

print soup.p.attrs

#{'class':['title'],'name':'dromouse'}

```

在这里，我们把P标签的所有属性打印输出了出来，得到的类型是一个字典

如果我们想要单独获取某个属性，可以这样，例如我们获取它的class叫什么

```

print soup.p['class']

#['title']

```

**4.获取文字**

```

print soup.p.string

#The Dormouse's story

```

**5.CSS选择器**

1.通过标签名查找

```

print soup.select('title')

#[

The Dormouse's stroy]

```

2.通过类名查找

```

print soup.select('.title')

#[

```

3.通过id查找

```

print soup.select('#test')

#[ceshi]

```

4.组合查找

```

print soup.select('p #link1')

```

5.直接子标签查找

```

print soup.select('head > title')

```

6.属性查找

```

print soup.select('a[class="title"]')

print soup.select('a[herf="http://www.baidu.com"]')

```