python爬虫需要哪些基础知识-Python爬虫入门知识：解析数据篇

首先，让我们回顾一下入门Python爬虫的四个步骤吧：

而解析数据，其用途就是在爬虫过程中将服务器返回的HTML源代码转换为我们能读懂的格式。那么，接下来就正式进入到解析数据篇的内容啦。

Part 1：了解HTML

HTML（Hyper Text Markup Language）为超文本标记语言。简单来讲，就是一种用于构建网页的编程语言。其主要组成部分为网页头（《head》元素）与网页体（《body》元素）。一般情况下，网页头部分会定义HTML文档的编码以及网页的标题。而网页体部分则决定着一个网页中的正文内容。

在一个HTML文档内，我们可以看到许多被《》括住的内容，它们被称作一个标签。标签通常是成对出现的。比如网页头部分的代码中含有《head》以及《/head》，网页体部分的代码中含有《body》以及《/body》。

在了解过HTML的基本信息之后，下一步我们就可以去解析这些数据了。

Part 2：下载BeautifulSoup库

在解析与提取数据的过程中，我们会用到一个强大的工具，即BeautifulSoup库。由于BeautifulSoup不属于Python标准库，因此需要单独进行下载。Mac用户需打开终端，输入代码pip install BeautifulSoup4。Windows用户需运行CMD，输入代码pip install BeautifulSoup4。下载完成后，在编辑器内输入以下代码即可实现BeautifulSoup库的调用。

Part 3：运用BeautifulSoup解析数据

具体用法：变量名称 = BeautifulSoup（需要解析的数据，"html.parser’）

备注：1. BeautifulSoup（）内的第一个参数，即需要解析的数据，类型必须为字符串，否则运行时系统会报错。2. "html.parser’为Python内置库中的一个解析器。它的运行速度较快，使用方法也比较简单。但是它并不是唯一的解析器，大家可以使用其它的解析器进行操作，但是具体用法可能会略有不同。

总结：

打开APP阅读更多精彩内容

点击阅读全文