By 一页编程
Beautiful Soup parses anything you give it, and does the tree traversal stuff for you.
BeautifulSoup也叫美味汤，他是一个非常优秀的python第三方库，它能够对html、xml格式进行解析，并且提取其中的相关信息。在BeautifulSoup的网站上有这样一番话，BeautifulSoup可以对你提供给他的任何格式进行相关的爬取，并且可以进行树形解析。
BeautifulSoup的使用原理是它能够把任何你给它的文档当做一锅汤，然后给你煲制这锅汤。
安装BeautifulSoup
用管理员权限启动命令行，然后我们在命令行上执行如下命令：
pip install beautifulsoup4
测试页面
BeautifulSoup就下载安装完成了，然后我们对比BeautifulSoup来个小测。这里边我们使用一个html页面，
地址是http://www.yeahcoding.tech/python/demo.html 我们用浏览器先打开这个网站看一下。
在这个页面中我们看到它有一个标题栏，上面有一行字，叫this is a python demo，这个地方表示的是一个title信息，我们可以将这个文件存取下来，生成dem.html或者我们用它的源代码。
我们打开它的源代码，能看到这个页面对应的是一个html5格式的代码，在代码中我们看到了很多的标签，这种标签以一对尖括号来表示。
Requests库获取页面源码
我们已经学过了Requests库，可以用Requests库来自动的获得这个链接对应的源代码。
>>> import requests
>>> r = requests.get('http://www.yeahcoding.tech/python/demo.html')
>>> r.text
'\n<html><head><title>This is a python demo page</title></head>\n<body>\n<p class="title"><b>The demo python introduces several python courses.</b></p>\n<p class="course">Python is a wonderful general-purpose programming language. You can learn Python from novice to professional by tracking the following courses:\n<a href="http://www.jianshu.com/nb/11366912 class="py1" id="link1">Python Crawler</a> .</p>\n</body></html>'
>>>
使用BeautifulSoup库
下面我来对beatifulsoup的安装进行小测。
>>> demo = r.text
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup(demo, 'html.parser')
>>> print(soup.prettify)
<bound method Tag.prettify of
<html><head><title>This is a python demo page</title></head>
<body>
<p class="title"><b>The demo python introduces several python courses.</b></p>
<p class="course">Python is a wonderful general-purpose programming language. You can learn Python from novice to professional by tracking the following courses:
<a href="http://www.jianshu.com/nb/11366912 class=" id="link1" py1"="">Python Crawler</a> .</p>
</body></html>>
>>>
尽管我们安装这个库的时候安装的是beautifulsoup4，但是我们在使用的时候，我们可以用它的简写bs4，所以我们使用from bs4 import BeautifulSoup引入了BeautifulSoup类。
然后，我们把这个demo的页面熬成一个BeautifulSoup能够理解的汤。除了给出demo，同时还要给出一个解析demo的解释器，这里边我们的解释器使用的是html.parser，也就是说我们是对demo进行html的解析。
那下面我们看看我们解析是否正确，也就是看一下BeautifulSoup库安装是否正确，用Print语句将我们做的这锅汤打印出来。
总结
使用BeautifulSoup库简单来说只需要两行代码：
from bs4 import BeautifulSoup
soup = BeautifulSoup(‘<p>data</p>’)
BeautifulSoup类有两个参数，第一个参数是我们需要解析的一个HTML格式的信息，使用<p>data</p>表示；第二个参数是解析器，我们这里使用的html.parser。
只有两个代码，我们就可以解析我们看到的html的信息，是不是很简单呢！
网友评论