BeautifulSoup4的安装和简单使用 - 加推新闻网,台湾天气,谷弟,娱乐节目策划案

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 = “””
htmlheadtitleThe Dormouse’s story/title/head
body
p class=”title”bThe Dormouse’s story/b/p

p class=”story”Once upon a time there were three little sisters; and their names were
a href=”http://example.com/elsie” class=”sister” id=”link1″Elsie/a,
a href=”http://example.com/lacie” class=”sister” id=”link2″Lacie/a and
a href=”http://example.com/tillie” class=”sister” id=”link3″Tillie/a;
and they lived at the bottom of a well./p

p class=”story”…/p

“””

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())

titleThe Dormouse’s story/title
********************************************************************************
title
The Dormouse’s story
p class=”title”bThe Dormouse’s story/b/p
a class=”sister” href=”http://example.com/elsie” id=”link1″Elsie/a

a class=”sister” href=”http://example.com/tillie” id=”link3″Tillie/a

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),类似的其他属性，比如class也是可以这么得到的（soup.a）。

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 listiterator object at 0x108e6d150,

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