简谈BeautifulSoup的使用

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。 对于Ruby,使用Rubyful Soup。

Beautiful Soup的官方中文文档地址:

http://www.crummy.com/software/BeautifulSoup/bs3/documentation.zh.html

1.Beautiful Soup的下载和安装

下载地址:http://www.crummy.com/software/BeautifulSoup/download/3.x/

推荐下载BeautifulSoup-3.2.0.tar.gz

Windows环境下:

直接用Winrar或者其他解压软件解压,然后运行cmd(在Beautiful Soup-3.2.0的文件夹下shift+鼠标右键即可),输入:

setup.py install

然后Beautiful Soup的文件就自动复制到了Python\Lib\site-packages下面,运行BeautifulSoupTests.py,测试是否安装成功即可。

2.Beautiful Soup的使用

(1)一般来说下面三句选择一句合适的即可

from BeautifulSoup import BeautifulSoup     # For processing HTML

from BeautifulSoup import BeautifulStoneSoup     # For processing XML

import BeautifulSoup     # To get everything

(2)创建Beautiful Soup对象

from BeautifulSoup import BeautifulSoup

html = "<html><p>Para 1<p>Para 2<blockquote>Quote 1<blockquote>Quote 2"

soup = BeautifulSoup(html)

不用担心,BeautifulSoup 会智能判断那些需要添加关闭标签的位置,即使原始的文档没有。

(3)Beautiful Soup常用的方法

soup.prettify()  规范化html,包括缩进和自动闭合部分标签

soup.find(name, attrs, recursive, text, **kwargs)  参数name 匹配tags的名字、keyword参数用于筛选tag的属性,此外还可以根据Css类进行匹配

 

你可能感兴趣的:(UP)