Beautifulsoup简介
简单来说,BeautifulSoup就是Python的一个HTML或XML的解析库,我们可以用它来方便地从网页中提取数据,官方的解释如下:
BeautifulSoup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。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。BeautifulSoup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,这时你仅仅需要说明一下原始编码方式就可以了。BeautifulSoup已成为和lxml、html6lib一样出色的python解释器,为用户灵活地提供不同的解析策略或强劲的速度。
所以说,利用它我们可以省去很多繁琐的提取工作,提高解析效率。
- bs:beautifulsoup。
- 历史坑:beautifulsoup 只支持py2, beautifulsoup4 支持py3
- 安装 pip install beautifulsoup4
- 命名坑:python包我们导入的是包文件夹名字,包有别名beautifulsoup4。 第三方包python解释器/Lib/site-packages/。
from bs4 import BeautifulSoup
html="""
<html>
<body>
<a id="aaa" href='http://www.baidu.com' name='aaa'
cl