从CSDN博主Jack-Cui学习记录

一、Beautiful Soup简介

简单来说，Beautiful Soup是python的一个库，最主要的功能是从网页抓取数据。官方解释如下：

Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。

Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。你不需要考虑编码方式，除非文档没有指定一个便秘吗方式，这时，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。

Beautiful Soup已成为和lxml、html6lib一样出色的python解释器，为用户灵活地提供不同的解析策略或强劲的速度。

二、实战

1.背景介绍

小说网站-笔趣看：

URL：http://www.biqukan.com/

笔趣看是一个盗版小说网站，这里有很多起点中文网的小说，该网站小说的更新速度稍滞后于起点中文网正版小说的更新速度。并且该网站只支持在线浏览，不支持小说打包下载。因此，本次实战就是从该网站爬取并保存一本名为《一念永恒》的小说，该小说是耳根正在连载中的一部玄幻小说。PS：本实例仅为交流学习，支持耳根大大，请上起点中文网订阅。

2.预备知识

更为详细内容，可参考官方文档：

URL：http://beautifulsoup.readthedocs.io/zh_CN/latest/

a)创建Beautiful Soup对象

如果将上述的html的信息写入一个html文件，打开效果是这样的（<！-注释->为注释内容，不会显示）；

同样，我们还可以使用本地HTML文件来创建对象，代码如下：

使用如下代码格式化输出：

b)Beautiful Soup四大对象

Beautiful Soup将复杂HTML文档转换乘一个而复杂的树形结构，每个节点都是Python对象，所有对象可以归纳为4种：

Tag

NavigableString

BeautifulSoup

Comment

（1）Tag

Tag通俗点讲就是HTML中的一个个标签，例如

上面的title就是HTML标签，标签加入里面包括的内容就是Tag，下面我们来感受怎样用Beautiful Soup来方便地获取Tags.。

下面每一段代码中注释部分即为运行结果：

我们可以利用soup加标签名轻松地获取这些标签的内容，是不是感觉比正则表达式方便多了？不过有一点是，它查找的是在所有内容中的第一个符合要求的标签，如果要查询所有标签，我们在后面进行介绍。

我们也可验证一下这些对象的类型：

对于Tag，有两个重要的属性：name和attrs

name

Soup对象本身比较特殊，它的name即为[document]，对于其他内部标签，输出的值便为标签本身的名称。

attrs

在这里，我们把a标签的所有属性打印输出了出来，得到的类型是一个字典。

如果我们想要单独获取某个属性，可以这样，例如我们获取a标签的class叫什么，两个等价的方法如下：