Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式。一个人至少拥有一个梦想，有一个理由去坚强。心若没有栖息的地方，到哪里都是在流浪。
BeautifulSoup的安装使用
window上安装方式：pip install beautifulsoup4。
一、beautifulsoup4的简单使用
from bs4 import BeautifulSoup import re html_doc = """ <html><head><title>The Dormouse's story</title></head> <body> <p class="title"><b>The Dormouse's story</b></p> <p class="story">Once upon a time there were three little sisters; and their names were <a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>, <a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p> <p class="story">...</p> """ soup = BeautifulSoup(html_doc, 'html.parser') # 得到所有的a链接 links = soup.findAll('a') for link in links: print(link.name, link['href'], link.get_text()) # 得到特定的a链接 link_node = soup.find('a', href='http://example.com/tillie') print(link_node.get_text(), link_node['id']) # 使用正则表达式 link_re_node = soup.find('a', href=re.compile('cie')) print(link_re_node.get_text(), link_re_node['id']) # 根据class获取特定的内容 p_node_class = soup.find('p', class_='title') print(p_node_class.get_text())
运行的结果如下：
a http://example.com/elsie Elsie a http://example.com/lacie Lacie a http://example.com/tillie Tillie Tillie link3 Lacie link2 The Dormouse's story
友情链接
- 详细的beautifulsoup4官方文档：https://www.crummy.com/software/BeautifulSoup/bs4/doc/
646
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
