python BeautifulSoup库的安装与使用

BeautifulSoup4和 lxml 一样，Beautiful Soup 也是一个HTML/XML的解析器，主要的功能也是如何解析和提取 HTML/XML 数据。

BeautifulSoup支持Python标准库中的HTML解析器,还支持一些第三方的解析器，如果我们不安装它，则 Python 会使用 Python默认的解析器，lxml 解析器更加强大，速度更快，推荐使用lxml 解析器。

Beautiful Soup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，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。

首先我们需要安装一个BeautifulSoup库。我安装的版本是python3。所以就可以直接在cmd下用pip3命令进行安装。

命令：

pip3 install beautifulsoup4

在安装好BeautifulSoup后，我们可以通过导入该库来判断是否安装成功。

命令：

>>> from bs4 import BeautifulSoup

回车后不报错，这说明我们已经将其安装成功。

# beautiful soup 网页中提取信息的python库# BeautifulSoup 对象表示的是一个文档的全部内容# prettify() 按照标准的缩进格式的结构输出# get_text() 会将HTML文档中的所有标签清除,返回一个只包含文字的字符串from bs4 import BeautifulSouptext=’’’<?xml version='1.0' encoding='ISO-8859-1'?><bookstore><book> <title lang='eng'>Harry Potter</title> <price>29.99</price></book><book> <title lang='eng'>Learning XML</title> <price>39.95</price></book></bookstore>’’’# create 对象bf=BeautifulSoup(text)# 按照标准缩进格式输出print(bf.prettify())# 会将HTML文档中的所有标签清除,返回一个只包含文字的字符串print(bf.get_text())# Tag对象 # 标签 表示HTML中的一个个标签# name# attrstag=bf.title # 获取title标签print(tag)print(type(tag)) # tag类型print(tag.name) # 标签名称print(tag.attrs) #标签属性print(tag.attrs['lang']) #单独获取某个属性 方法1print(bf.title['lang']) #单独获取某个属性 方法2# NavigableString tag.string# 表示标签中的文字print(tag.string)print(type(tag.string)) # 查看数据类型# Comment 注释部分# 一个特殊类型的NavigableString对象# 输出的内容不包括注释符号string=’’’<p><!-- 这是注释！ --></p>’’’sp=BeautifulSoup(string)print(sp)print(sp.p.string) # 去获取标签中是文字

# 两个常用函数 # find_all() 搜索当前tag的所有tag子节点,并判断是否符合给定的条件# 返回结果是一个列,可以包含多个元素print(soup.find_all(’title’),end='n-------n')#find() 直接返回第一个元素print(soup.find('title'))print(soup.find_all('title',lang='eng')) # 查找title标签 属性lang=engprint(soup.find_all('title',{'lang':'eng'})) # 结果同上print(soup.find_all(['title','price'])) #获取多个标签print(soup.find_all('title',lang='eng')[0].get_text()) # 获取文本# 三大常见节点# 子节点 一个Tag可能包含多个字符串或其他的tag，这些都是这个tag的子节点# 父节点 配个tag或字符串都有父节点：被包含在某个tag中# 兄弟节点 平级的节点end='n-------n'print(soup.book,end) # 获取book节点信息print(soup.book.contents,end) # 获取book下的所有子节点print(soup.book.contents[1],end) # 获取book下的所有子节点中的第一个节点print(soup.book.children,end) # children 生成迭代器for child in soup.book.children: print('===',child) print(soup.title.parent,end)print(soup.book.parent,end)for parent in soup.title.parents: #注意parent和parents区别 print('===',parent.name) print(soup.title.next_sibling,end) # 获取该节点的下一个兄弟节点print(soup.title.previous_sibling,end) # 获取该节点的上一个兄弟节点print(soup.title.next_siblings,end) # 获取该节点的全部兄弟节点for i in soup.title.next_siblings: print('===',i)

以上就是python BeautifulSoup库的安装与使用的详细内容，更多关于python BeautifulSoup库的资料请关注好吧啦网其它相关文章！