网页解析--bs4--01

python爬虫之bs4模块（超详细）

Beautiful Soup 4.4.0 文档 — Beautiful Soup 4.2.0 documentation (crummy.com)

可以看到bs4库将网页文件变成了一个soup的类型，

事实上，bs4库 是解析、遍历、维护、“标签树“的功能库。

通俗一点说就是： bs4库把html源代码重新进行了格式化，

从而方便我们对其中的节点、标签、属性等进行操作。

bs4模块是Python爬虫中常用的一个解析库，它可以读取HTML、XML等文档，并将其解析成为Python可以操作的数据结构，方便我们对其中的数据进行提取和处理。

下面是一个使用bs4模块实现爬取网页并提取数据的详细流程：

首先，我们需要安装bs4模块。可以使用pip命令进行安装：

pip install bs4

然后，我们可以使用requests模块来请求一个网页：

import requests

url = 'https://www.example.com'
response = requests.get(url)

1.创造一个BeautifulSoup对象

bs_1=BeautifulSoup(r1.text,'lxml')#print(bs_1)

接下来，我们需要将获取到的HTML文档交给bs4模块进行解析。

from bs4 import BeautifulSoup

soup = BeautifulSoup(response.content, 'html.parser')

第一个参数是要解析的HTML文档内容（可以是字符串、文件对象或其他类型），第二个参数是指定解析器，这里使用了Python自带的html.parser解析器。

解析器

解析实列

假设我们要提取网页中的标题：

title = soup.title.string

其中，soup.title表示获取HTML文档中的