本文介绍了Python库BeautifulSoup的使用，包括解析HTML文档、遍历和搜索文档树、修改文档结构以及输出格式化等内容。通过实例展示了如何处理HTML标签、属性、字符串以及注释，并提供了多种遍历和搜索文档的方法。
简介
我们知道，一个网页是由HTML文档组成的，HTML文档是一种结构化的文档，有一定的规则，通过它的结构可以简化信息提取。
我的理解就是：将一段HTML文档通过 BeautifulSoup()构造方法 解析成一个对象，然后对这个对象进行操作。
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库。取名来自 《爱丽丝梦游仙境》 ，下面的代码来自官方文档，是 《爱丽丝梦游仙境》 中的一段内容。
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())
# 输出
# <html>
# <head>
# <title>
# The Dormouse's story
# </title>
# </head>
# <body>
# <p class="title">
# <b>
# The Dormouse's story
# </b>
# </p>
# <p class="story">
# Once upon a time there were three little sisters; and their names were
# <a class="sister" href="http://example.com/elsie" id="link1">
# Elsie
# </a>
# ,
# <a class="sister" href="http://example.com/lacie" id="link2">
# Lacie
# </a>
# and
# <a class="sister" href="http://example.com/tillie" id="link2">
# Tillie
# </a>
# ; and they lived at the bottom of a well.
# </p>
# <p class="story">
# ...
# </p>
# </body>
# </html>
几个简单的浏览结构化数据的方法:
soup.title
# <title>The Dormouse's story</title>
soup.title.name
最低0.47元/天 解锁文章
扫一扫
908
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
