BeautifulSoup4基于python3的一些用法

最新推荐文章于 2022-01-24 17:19:20 发布

pony杨

最新推荐文章于 2022-01-24 17:19:20 发布

阅读量170

点赞数 2

文章标签： python

本文链接：https://blog.csdn.net/weixin_44282548/article/details/101613749

版权

本文介绍了Python3中BeautifulSoup4的使用方法，包括安装、导入、基本用法如查找带有特定class的span标签，获取文本信息和属性值，以及详细探讨了不同的解析器，如Python标准库、lxml和html5lib，分析了它们的优缺点。

摘要由CSDN通过智能技术生成

BeautifulSoup4用法

安装包：

pip install beautifulsoup4

导入包：

form bs4 import BeautifulSoup`

1. 基本用法

beautifulSoup得到的是一个 bsObj 我们可以在它的基础上进行获取我们需要的

  from urllib.request import urlopen
  from bs4 import BeautifulSoup
  html = urlopen('')
  bsObj = BeautifulSoup(html.read())
  print(bsObj.h1)  # 获取 h1 标签

获取标签中的 class='green’的 span

 span = bsObj.findAll('span', {'class': 'green'})

获取文本信息

  span.get_text()

获取属性值

  span.attrs.get('attr')
  span.get('attr')

find() 和 findAll()

findAll(tag, attributes, recursive, text, limit, keywords)

find(tag, attributes, recursive, text, keywords)

2. BeautifulSoup的解析器

2.1 Python标准库

使用方法: BeautifulSoup(html_doc,“html.parser”)
优势：Python内置，执行速度适中，文档容错能力强劣势：Python 2.7.3 or 3.2.2)前
的版本中文档容错能力差

2.2 lxml解析器(推荐使用)

使用方法：BeautifulSoup(html_doc,‘lxml’) 优势：速度快，文档容错能力强（C编写），推荐使用

2.3 html5lib

使用方法：BeautifulSoup(html_doc,“html5lib”)
优势：最好的容错性，已浏览器的方式解析文档，生成Html5格式的文档劣势：速度慢，不依赖外部扩展