1.安装beautifulsoup
下载地址:http://pypi.python.org/pypi/beautifulsoup4/4.3.2
官方文档:http://beautifulsoup.readthedocs.org/zh-CN/latest
解压安装包:tar zxvf beautifulsoup4-4.3.2.tar.gz
进入解压后文件夹安装:python3 setup.py install
验证安装:from bs4 import BeautifulSoup 当显示错误时没安装成功
2.使用beautifulsoup快速创建代码格式
from bs4 import BeautifulSoup
html = '<!DOCTYPE html><html lang="zh-CN"><head><meta charset="UTF-8">
<title>Document</title><link rel="stylesheet" type="text/css" href="上海水站.css">
</head><body><ol><li>--------</li>><li>--------</li>></ol>><table border="1"
style="background: red"><tr><th>名字</th>><th>年龄</th>><th>性别</th>>
<th>地点</th></tr><tr><td>小一</td>><td colspan="2">28</td><!-- <td>
</td> --><td>北京</td></tr></table>></body></html>'
soup = BeatifulSoup(html)
print(soup.prettify())
3.使用beautifulsoup进行精确查找
#查找标签p,当标签为其他时,只需要把标签名p替换成其他的标签名
#他的缺点是只能够找到最先发现的那一个
soup.p
#查找标签中的所有属性,返回一个字典
soup.p.attrs
#查找标签中的一个具体属性
soup.p["class"]
#用select查找所有标签title
soup.select("title")
#用select查找所有的class为sister的标签
soup.select(".sister")
#用select查找所有ID为link1的类
soup.select("link1")
#用select查找所有p标签中ID为link1的标签,返回列表
soup.select("p #link1")
#查找所有p标签下的子标签a
soup.select("p>a")
#查找所有class为sister的a标签
soup.select("a[class="sister"]")
4.获取标签或属性的返回值
#以p标签中的a标签为例
soup.select("p>a").string
#获取属性返回值
soup.select("p>a")["src"]