[toc]
一、声明
from bs4 import BeautifulSoupsoup = BeautifulSoup(爬取内容，解释器)二、基本元素
1.对BeautifulSoup库的理解
Beautifulsoup是解析、遍历、维护”标签书“的功能库
2.BeautifulSoup类
(1)原理
flowchart LR HTML <--> 标签树 标签树 <--> BeautifulSoup类
from bs4 import BeautifulSoup
soup = BeautifulSoup("<html>data</html>","html.parser")
soup2 = BeautifulSoup(open("D://demo.html"),"html.parser")(2)解析器
| 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 xml |
| html5lib的解析器 | BeautifulSoup(mk,“html5lib”) | pip install html5lib |
(3)基本元素
| 基本元素 | 说明 |
|---|---|
| Tag | 标签，最基本元素，分别用<>和</>标明开通与结尾 |
| Name | 标签的名字 |
| Attributes | 标签的属性，字典形式格式，字典形式组织，格式： |
| NavigableString | 标签内非属性字符串，<>……</>中字符串 |
| Comment | 标签内字符串的注释部分 |
三、使用
1.载入
(1)通过字符串构建
html='''
<html lang="zh-cn">
<head>
<meta charset="utf-8" />
</head>
<div id="main">
<span role="heading" aria-level="2">span</span>
<h1>h1</h1>
<p>p</p>
</div>
</body>
</html>
'''soup = BeautifulSoup(html,'html_parser')
print(soup.prettify())(2)从文件中加载
with open('测试.html'，encoding='utf-8') as f:
soup = BeatuifulSoup(f,'html_parser')