BeautifulSoup4的安装和简单使用

BeautifulSoup4的安装


Beautiful Soup 是用Python写的一个HTML/XML的解析器，它可以很好的处理不规范标记并生成剖析树(parse tree)。 
它提供简单又常用的导航（navigating），搜索以及修改剖析树的操作。它可以大大节省你的编程时间。


一、使用pip直接安装beautifulsoup4 


F:\>pip install beautifulsoup4


Collecting Beautifulsoup4
  Downloading beautifulsoup4-4.4.1-py3-none-any.whl (81kB)
    50% |████████████████                | 40kB 33kB/s eta 0:00:
    62% |████████████████████▏           | 51kB 32kB/s eta
    75% |████████████████████████▏       | 61kB 39kB/s
    88% |████████████████████████████▏   | 71kB 21k
    100% |████████████████████████████████| 81kB
 25kB/s
Installing collected packages: Beautifulsoup4
Successfully installed Beautifulsoup4-4.4.1


或者从官网下载Beautifulsoup的软件包，然后解压，cmd命令行进入解压包目录，输入以下命令安装：python setup.py install
记得在Python3里一定要安装beautifulsoup4的版本，其它版本安装不上的。




二、例子：
#python 3.4
#蔡军生 2016-6-13
#
from bs4 import BeautifulSoup


html_doc = """

The Dormouse's story

Once upon a time there were three little sisters; and their names were
Elsie,
Lacie and
Tillie;
and they lived at the bottom of a well.

...

"""


soup = BeautifulSoup(html_doc, "html.parser")


print(soup.title)
print('*' * 80)
print(soup.title.name)


print(soup.title.string)


print(soup.p)


print(soup.a)


print(soup.find_all('a'))


print(soup.find(id='link3'))


print(soup.get_text())

>>> 

********************************************************************************
title
The Dormouse's story

The Dormouse's story

Elsie
[Elsie, Lacie, Tillie]
Tillie


The Dormouse's story


The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie,
Lacie and
Tillie;
and they lived at the bottom of a well.
...


>>> 

可以看出：soup 就是BeautifulSoup处理格式化后的字符串，soup.title 得到的是title标签，soup.p  得到的是文档中的第一个p标签，要想得到所有标签，得用find_all


函数。find_all 函数返回的是一个序列，可以对它进行循环，依次得到想到的东西.


get_text() 是返回文本,这个对每一个BeautifulSoup处理后的对象得到的标签都是生效的。你可以试试 print(soup.p.get_text())


其实是可以获得标签的其他属性的，比如我要获得a标签的href属性的值，可以使用 print(soup.a['href']),类似的其他属性，比如class也是可以这么得到的（soup.a['class']）。


特别的，一些特殊的标签，比如head标签，是可以通过soup.head 得到，其实前面也已经说了。


如何获得标签的内容数组？使用contents 属性就可以 比如使用 print(soup.head.contents)，就获得了head下的所有子孩子，以列表的形式返回结果，


可以使用 [num]  的形式获得 ,获得标签，使用.name 就可以。


获取标签的孩子，也可以使用children，但是不能print(soup.head.children) 没有返回列表，返回的是 ,


不过使用list可以将其转化为列表。当然可以使用for 语句遍历里面的孩子。


关于string属性，如果超过一个标签的话，那么就会返回None，否则就返回具体的字符串print(soup.title.string) 就返回了 The Dormouse's story


超过一个标签的话，可以试用strings


向上查找可以用parent函数，如果查找所有的，那么可以使用parents函数


查找下一个兄弟使用next_sibling,查找上一个兄弟节点使用previous_sibling,如果是查找所有的，那么在对应的函数后面加s就可以

蔡军生 QQ:9073204  深圳

跟老菜鸟学python

http://edu.csdn.net/course/detail/2592