标签：comment 学习者 ring python nav 网络 XML 信息 文件
BeautifulSoup官方介绍：
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.
官方网站：https://www.crummy.com/software/BeautifulSoup/
在"C:\Windows\System32"中找到"cmd.exe"，使用管理员身份运行，在命令行中输入：“pip install beautifulsoup4”运行。
提示pip版本过低，使用 python -m pip install --upgrade pip 进行升级。
C:\Windows\system32>pip install beautifulsoup4
Requirement already satisfied (use --upgrade to upgrade): beautifulsoup4 in c:\users\lei\appdata\local\programs\python\p
ython35\lib\site-packages\beautifulsoup4-4.5.0-py3.5.egg
You are using pip version 8.1.1, however version 9.0.1 is available.
You should consider upgrading via the ‘python -m pip install --upgrade pip‘ command.
Beautiful Soup库的安装测试：
演示HTML页面地址:http://www.cnblogs.com/yan-lei
>>> import requests
>>> r = requests.get("http://www.cnblogs.com/yan-lei/")
>>> r.text
‘\r\n\r\n\r\n\r\n\r\n\r\nPython学习者 - 博客园\r\n>> demo = r.text
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup(demo,"html.parser")
>>> soup
Python学习者 - 博客园......
from bs4 import BeautifulSoup soup = BeautifulSoup(‘
data
‘,‘html.parser‘)
以HTML为例，任何HTML文件都是有一组"<>"组织起来的，其实就是标签，标签之间形成了上下游关系，形成了标签树。BeautifulSoup库是解析、遍历、维护“标签树”的功能库
<p>..</p>:标签Tag
Beautiful Soup库，也叫beautfulsoup4 或bs4。约定引用方式如下，即主要是用BeautifulSoup类。
from bs4 import BeautifulSoup import bs4
将标签树转换为BeautifulSoup类，此时我们将HTML、标签树、BeautifulSoup类等价
from bs4 import BeautifulSoup soup1 = BeautifulSoup("data","html.parser") soup2 = BeautifulSoup(open("D://demo.html","html.parser"))
BeautifulSoup对应一个HTML/XML文档的全部内容。
soup = BeautifulSoup(‘data‘,‘html.parser‘)
| 解析器 | 使用方法 | 条件 |
|---|---|---|
| bs4的HTML解析器 | BeautifulSoup(mk,‘html.parser‘) | 安装bs4库 |
| lxml的HTML解析器 | BeautifulSoup(mk,‘lxml‘) | pip install lxml |
| lxml的XML解析器 | BeautifulSoup(mk,‘xml‘) | pip install lxml |
newsoup = BeautifulSoup("
This is not a comment
","html.parser") Beautiful Soup类的基本元素
| 基本元素 | 说明 |
|---|---|
| Tag | 标签，最基本的信息组织单元，分别用<>和</>标明开头和结尾 |
| Name | 标签的名字，<p>...</p>的名字是‘p‘，格式：<tag>.name |
| Attributes | 标签的属性，字典形式的组织，格式：<tag>.attrs |
| NavigleString | 标签内非属性字符串，<>...</>中字符串，格式<tag>.string |
| Comment | 标签内字符串的注释部分，一种特殊的Comment类型 |
Python网络爬虫与信息提取（二）—— BeautifulSoup
标签：comment 学习者 ring python nav 网络 XML 信息 文件
原文地址：http://www.cnblogs.com/yan-lei/p/7615902.html
