在python世界里,并没有像php一样,封装很好很详细的函数,比如随手可用的array_diff,strip_tags,parse_url,一切都要重新造轮子,或者新安装插件。尽管一些低级别的功能Python没有统一的实现,但一些稍显得复杂的功能,却有一大批的开源贡献者,比如这个库:
Beautiful Soup
和我之前用的htmldom一样,都是python世界常用的html解析库。今天试用了一下,感觉很不错。功能都挺完善。
在线的wiki文档为:crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html
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.
这篇文档介绍了BeautifulSoup4中所有主要特性,并切有小例子.让我来向你展示它适合做什么,如何工作,怎样使用,如何达到你想要的效果,和处理异常情况.
文档中出现的例子在Python2.7和Python3.2中的执行结果相同
你可能在寻找 Beautiful Soup3 的文档,Beautiful Soup 3 目前已经停止开发,我们推荐在现在的项目中使用Beautiful Soup 4, 移植到BS4