1 BeautifulSoup (“美味的汤”)库的安装
方式一："windows+R" 输入 cmd，在命令行中输入 pip install beautifulsoup4 安装完成后可以通过 from bs4 import BeautifukSoup 进行检测,不报错，安装成功。
方式二：从官网下载 Beautifulsoup 的软件包并解压，cmd 命令行进入解压包目录，输入以下命令安装：python setup.py install 在 Python3 里一定要安装 beautifulsoup4 的版本，其它版本安装不上的。
import requests
r = requests.get("http://www.baidu.com")
demo = r.text
from bs4 import BeautifulSoup
soup = BeautifulSoup(demo,"html.parser")
print(soup.prettify())
Beautiful Soup 库是解析、遍历、维护“标签树”的功能库
HTML 标签树
a) 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）。
b) 它提供简单又常用的导航（navigating），搜索以及修改剖析树的操作。可以节省你的编程时间。
BeautifulSoup 库本身解析的是 html/xml 文档，那么这个文档与标签树是一一对应的，经过了 BeautifulSoup 类的处理，html 或 xml 文档这样的标签树，就被转换成一个 BeautifulSoup 类。BeautifulSoup 类就是能够代表标签树的一个类型。
Beautiful Soup 库解析器
2 BeautifulSoup类的基本元素
代码示例
任何存在于 HTML 语法中的标签都可以用 soup.<tag> 访问获得当 HTML 文档中存在多个相同 <tag> 对应内容时，soup.<tag> 返回第一个。每个<tag> 都有自己的名字，通过 <tag>.name 获取，字符串类型
一个 <tag> 可以有 0 或多个属性，字典类型
Navigablestring 可以跨越多个层次（p 标签中的 b 标签）
Comment 是一种特殊类型
3 基于 bs4 库的 HTML 内容遍历方法
HTML基本格式
<>...</> 构成了所属关系，形成了标签的树形结构
标签树的下行遍历
BeautifulSoup 类型是标签树的根节点
标签树的上行遍历
标签树的平行遍历
平行遍历发生在同一个父节点下的各节点间，不是同一个父标签不构成平行遍历。
在标签树中，尽管树形结构采用的是标签的形式来组织的，但是标签之间的 Navigablestring 也构成了标签树的节点，也就是说，任何一个节点，它的平行标签，它的儿子标签是可能存在 Navigablestring 类型的。
4 基于 bs4 库的 HTML 格式化和编码
如何让 <html> 内容更加 “友好” 的显示？
bs4 库的 prettify() 方法，为 html 文本的标签和内容增加换行符，也可以对每个标签进行相关处理，方法：<tag>.prettify()。
bs4 库将任何 HTML 输入都变成 utf-8 编码，Python 3.x 默认支持编码是utf-8，解析无障碍。
BeautifulSoup库知识小结
网友评论