简介
BeautifulSoup 是一个HTML/XML的解析器,主要用于解析和提取HTML/XML 数据。
它基于HTML DOM的,会载入整个文档,解析整个DOM树,因此时间和内存开销都会大很多,所以性能要低于lxml。
BeautifulSoup用来解析HTML 比较简单,API非常人性化,支持CSS选择器、Python标准库中的HTML解析器,也支持lxml 的XML解析器。
官方文档:http://beautifulsoup.readthedocs.io/zh_CN/v4.4.0
抓取工具 | 速度 | 难度 |
---|---|---|
正则 | 最快 | 复杂 |
BeautifulSoup | 慢 | 简单 |
xpath | 快 | 简单 |
安装
在pycharm的terminal终端命令窗口中输入:
pip install beautifulsoup4
或者使用清华源的镜像,会更快一点
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple beautifulsoup4
知识
初始化
from bs4 import BeautifulSoup
html_doc = """
<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 href="http://example.com/elsie" class