Python爬虫_第一篇 爬虫之路（2）_Beautiful Soup遍历文档树
Beautiful Soup是学习到的第一个爬虫库，以下内容是小结。具体学习查看文档链接。
文档链接：https://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/#
2、Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间。
- 推荐在现在的项目中使用Beautiful Soup 4, 移植到BS4。
2.1 HTML代码进行标准的缩进格式
html_doc="""
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.
...
"""
# 使用BeautifulSoup解析这段代码，能够得到一个beautifulsoup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()) # prettify()为beautifulsoup的格式化输出函数2.2 遍历文档树
解释：
- 得到标签对象 Tag： Soup=BeautifulSoup(html).a
- 得到标签对象Tag的名字：Soup.name
- 得到标签对象Tag的属性：Soup.attrs
- 得到标签对象Tag的属性相应键对应的值：Soup[‘class’]
- 得到标签对象Tag属性的具体值：Soup.get(‘href’)
