python bs4安装教程_Python第三方模块beautifulsoup怎么安装和使用

beautiful soup是Python的一个HTML或XML的解析库。它提供一个简单的、Python式的函数来处理导航、搜索、修改分析数等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。

beautiful soup自动将输入文档转化为Unicode编码，输出文档转化为utf-8编码。你不需要考虑编码方式，除非文档没有指定一个编码方式，这时你仅仅需要说明一下原始的编码方式就可以了。

安装

windows下：

首先进入pip的安装目录，位于Scripts文件夹中

然后执行：pip install beautifulsoup4

Linux下：$ sudo apt-get python-bs4(python2)

$ sudo apt-get python3-bs4(python3)

Beautiful Soup常用的方法和属性

1.find_all() 方法：find_all()方法搜索当前tag的所有符合过滤条件的tag子节点。在搜索子节点的时候，我们不仅可以制定要搜索的子节点的标签名，还可以添加过滤条件，更精确的选择我们需要的子节点。

2.find() 方法：find()方法和find_all()方法的参数和用法几乎一样，只不过find()方法只选取符合条件的第一个标签。

3.get_text()方法：如果只想得到tag中包含的文本内容,那么可以使用get_text()方法,这个方法获取到tag中包含的所有文版内容包括子孙tag中的内容,并将结果作为Unicode字符串返回。

4.获取节点属性的方法：如果我们想要获取节点的属性，比如对于，我们想获取它的href属性值，即www.baidu.com。

5.select()方法：通过使用beautifulsoup库中的select()方法，我们可以使用CSS选择器来选择我们需要的标签。也就是说，我们可以通过标签名，标签的class、标签的id，通过标签的name、href等属性来选择我们的元素。使用该方法返回的是一个迭代器，我们可以通过for…in…循环遍历。

6.string属性：如果一个节点只包含一个文本节点，或者是只包含一个节点，那么可以使用该属性获取该文本节点的文本内容，或者是这个节点的文本内容。例如：对于

hahaha

和

hahaha

，使用返回的结果是一样的。

7.strings属性：如果一个节点下面有很多子孙节点，我们可以使用strings属性来获取其子孙节点的所有文本。该属性最终返回的是一个迭代器，我们可以通过for…in…循环来遍历。

8.stripped_strings属性：在使用上述strings属性获取一个节点中后代文本的时候，可能或出现换行和空格等空白文本，这样在处理的时候会出现麻烦，如果不想获取换行和空格，那么我们可以使用stripped_strings属性。该属性和strings属性一样，返回的也是迭代器，不能直接打印，需要使用for…in…循环来遍历。

9.contents属性：该属性返回的是某个节点下的全部子元素，包括子元素的标签名和文本内容。返回的数据类型是列表。

10.children属性：该属性和contents属性的用法是一样的，但是返回的数据类型是迭代器。

Beautiful Soup4中四中常见的对象

1.Tag对象：Beautiful Soup中所有的标签都是Tag类型，并且通过bs = BeautifulSoup(html_str, 'lxml')方法常见的bs对象在本质上也是Tag类型。我们我们前面说到的find_all()、find()等方法，也都是Tag对象的方法。

2.BeautifulSoup对象：通过bs = BeautifulSoup(html_str, ‘lxml’)方法常见的bs是BeautifulSoup对象，BeautifulSoup继承自Tag对象。所以我们之前说bs在本质上是Tag类型，而且BeautifulSoup对象的find_all()、find()也是继承自Tag对象的。

3.NavigableString对象：该对象继承自Python中的str对象，用起来和str一样，没什么说的。

4.Comment对象：这个对象继承自NavigableString对象，也没什么说的。

总结：

·推荐使用lxml，必要时使用lxml.parser；

·节点选择筛选功能弱，但速度块；

·建议使用find()；find_all()查询单个或者多个结果；

·css选择器也是个不错的选择。

python学习网，大量的免费python视频教程，欢迎在线学习！