安装:Installing Beautiful Soup4
功能:BeautifulSoup用于从HTML和XML文件中提取数据
用法:
1.结构
yourhtml = '<b class="boldest">Extremely bold</b>'
# 将html文档转换成树形结构对象,包含tag(原html标签,有name和attribute属性) NavigableString(包装tag中的字符串,通过string获得字符串) BeautifulSoup(表示一个文档的全部内容)
soup = BeautifulSoup(yourhtml, parse_method)
# 获取tag名称
soup.tag.name
# 还可改变soup对象的tag名称b
tag.name = "blockquote" # 变为<blockquote class="boldest">Extremely bold</blockquote>
# 获取tag的属性
soup.tag.attrs # {u'class': u'boldest'}
# 取得标签下的属性class对应的值(类似字典取值)
soup.tag["class"] # u'boldest'
# 如果yourhtml有多值属性,比如'<p class="body strikeout"></p>',class对应的属性为["body", "strikeout"