本文介绍了Python的BeautifulSoup库，用于解析HTML和XML数据。讲解了BeautifulSoup的安装，通过pip3安装beautifulsoup4，并展示了如何使用BeautifulSoup进行网页内容的提取，包括prettify()、get_text()等方法，以及对Tag对象、NavigableString、Comment的处理。此外，还介绍了find_all()和find()等搜索功能，以及节点操作如子节点、父节点和兄弟节点的概念。
1.BeautifulSoup简介
BeautifulSoup4和 lxml 一样，Beautiful Soup 也是一个HTML/XML的解析器，主要的功能也是如何解析和提取 HTML/XML 数据。
BeautifulSoup支持Python标准库中的HTML解析器,还支持一些第三方的解析器，如果我们不安装它，则 Python 会使用 Python默认的解析器，lxml 解析器更加强大，速度更快，推荐使用lxml 解析器。
Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为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，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。
2.BeautifulSoup的安装
首先我们需要安装一个BeautifulSoup库。我安装的版本是python3。所以就可以直接在cmd下用pip3命令进行安装。
命令：
pip3 install beautifulsoup4
在安装好BeautifulSoup后，我们可以通过导入该库来判断是否安装成功。
命令：
>>> from bs4 import BeautifulSoup
回车后不报错，这说明我们已经将其安装成功。
3.BeautifulSoup常用功能
# beautiful soup 网页中提取信息的python库
# BeautifulSoup 对象表示的是一个文档的全部内容
# prettify() 按照标准的缩进格式的结构输出
# get_text() 会将HTML文档中的所有标
最低0.47元/天 解锁文章
扫一扫
1342
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
