python解析不完全的html_01-什么是BeautifulSoup和第一个例子-解析不完整的HTML文档...

是一个可以从HTML或XML文件中提取数据的Python库.

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.

Beautiful Soup会帮你节省数小时甚至数天的工作时间.

后面的内容，我们会把Beautiful Soup简称为BS

下面的一段HTML代码将作为例子被多次用到.这是 爱丽丝梦游仙境的 的一段内容(以后内容中简称为 爱丽丝 的文档):

定义了一个变量 保存一个html字符串

html_doc = """

爱丽丝历险记

爱丽丝历险记

Once upon a time there were three little sisters; and their names were

Elsie,

Lacie and

Tillie;

and they lived at the bottom of a well.

...

"""

BS会把一个字符串解析为BS的对象

使用BeautifulSoup解析这段代码,能够得到一个 BeautifulSoup 的对象,并能按照标准的缩进格式的结构输出:from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, 'html.parser')

print(soup.prettify())

#

#

#

# 爱丽丝历险记

#

#

#

#

#

# 爱丽丝历险记

#

#

#

# Once upon a time there were three little sisters; and their names were

#

# Elsie

#

# ,

#

# Lacie

#

# and

#

# Tillie

#

# ; and they lived at the bottom of a well.

#

#

# ...

#

#

#

上面代码我们可以看到 bs4帮我们把不完整的html代码格式化成了完整的html代码 这样我们就可以去操作HTML这棵树了