Beautiful Soup4學(xué)習(xí)筆記(一):安裝

該系列是按照Beautiful Soup教程抄襲朱转,原文鏈接:
http://beautifulsoup.readthedocs.io/zh_CN/latest/

工欲善其事瞻想,必先利其器。下面我們安裝 beautifulsoup4:

#pip install   beautifulsoup4 (Centos系統(tǒng))
Collecting beautifulsoup4
  Downloading beautifulsoup4-4.5.3-py3-none-any.whl (85kB)
    100% |████████████████████████████████| 92kB 669kB/s 
Installing collected packages: beautifulsoup4
Successfully installed beautifulsoup4-4.5.3

安裝解析器:
Beautiful Soup支持Python標(biāo)準(zhǔn)庫(kù)中的HTML解析器,還支持一些第三方的解析器,其中一個(gè)是 lxml .根據(jù)操作系統(tǒng)不同,可以選擇下列方法來(lái)安裝lxml:

# pip install lxml
Collecting lxml
  Downloading lxml-3.7.3-cp35-cp35m-manylinux1_x86_64.whl (7.1MB)
    100% |████████████████████████████████| 7.1MB 83kB/s 
Installing collected packages: lxml
Successfully installed lxml-3.7.3

安裝完成之后饭于,如何使用:
將一段文檔傳入BeautifulSoup 的構(gòu)造方法,就能得到一個(gè)文檔的對(duì)象,可以傳入一段字符串或一個(gè)文件句柄舱沧。

from bs4 import BeautifulSoup

soup = BeautifulSoup(open("index.html"))

soup = BeautifulSoup("<html>data</html>")

首先,文檔被轉(zhuǎn)換成Unicode反番,并且HTML的實(shí)例都被轉(zhuǎn)換成Unicode編碼

BeautifulSoup("Sacr&eacute; bleu!")
<html><head></head><body>Sacré bleu!</body></html>

然后,Beautiful Soup選擇最合適的解析器來(lái)解析這段文檔,如果手動(dòng)指定解析器那么Beautiful Soup會(huì)選擇指定的解析器來(lái)解析文檔.

首先是一段HTML代碼的字符串:

html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>

<p class="story">Once upon a time there were three little sisters; and their names were
<a  class="sister" id="link1">Elsie</a>,
<a  class="sister" id="link2">Lacie</a> and
<a  class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>

<p class="story">...</p>
"""

使用BeautifulSoup解析這段代碼,能夠得到一個(gè) BeautifulSoup 的對(duì)象,并能按照標(biāo)準(zhǔn)的縮進(jìn)格式的結(jié)構(gòu)輸出:

from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc, 'html.parser')

print(soup.prettify())

<html>
 <head>
  <title>
   The Dormouse's story
  </title>
 </head>
 <body>
  <p class="title">
   <b>
    The Dormouse's story
   </b>
  </p>
  <p class="story">
   Once upon a time there were three little sisters; and their names were
   <a class="sister"  id="link1">
    Elsie
   </a>
   ,
   <a class="sister"  id="link2">
    Lacie
   </a>
   and
   <a class="sister"  id="link3">
    Tillie
   </a>
   ;
and they lived at the bottom of a well.
  </p>
  <p class="story">
   ...
  </p>
 </body>
</html>

幾個(gè)瀏覽結(jié)構(gòu)化數(shù)據(jù)的方法:

>>> soup.title
<title>The Dormouse's story</title>
>>> soup.title.name
'title'
>>> soup.title.string
"The Dormouse's story"
>>> soup.title.parent.name
'head'
>>> soup.p
<p class="title"><b>The Dormouse's story</b></p>
>>> soup.p['class']
['title']
>>> soup.a
<a class="sister"  id="link1">Elsie</a>
>>> soup.find_all('a')
[<a class="sister"  id="link1">Elsie</a>, <a class="sister" href="http://example.com/l
acie" id="link2">Lacie</a>, <a class="sister"  id="link3">Tillie</a>]
>>> soup.find(id="link2")
<a class="sister"  id="link2">Lacie</a>

從文檔中找到所有<a>標(biāo)簽的鏈接:

>>> for link in soup.find_all('a'):
...     print(link.get('href')) 
...

http://example.com/elsie
http://example.com/lacie
http://example.com/tillie

從文檔中獲得所有文字:

>>> print(soup.get_text())

The Dormouse's story

The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie,
Lacie and
Tillie;
and they lived at the bottom of a well.
...
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子罢缸,更是在濱河造成了極大的恐慌篙贸,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,576評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件枫疆,死亡現(xiàn)場(chǎng)離奇詭異爵川,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)息楔,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,515評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén)寝贡,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人值依,你說(shuō)我怎么就攤上這事圃泡。” “怎么了愿险?”我有些...
    開(kāi)封第一講書(shū)人閱讀 168,017評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵颇蜡,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我辆亏,道長(zhǎng)风秤,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 59,626評(píng)論 1 296
  • 正文 為了忘掉前任扮叨,我火速辦了婚禮缤弦,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘彻磁。我一直安慰自己碍沐,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,625評(píng)論 6 397
  • 文/花漫 我一把揭開(kāi)白布衷蜓。 她就那樣靜靜地躺著抢韭,像睡著了一般。 火紅的嫁衣襯著肌膚如雪恍箭。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 52,255評(píng)論 1 308
  • 那天瞧省,我揣著相機(jī)與錄音扯夭,去河邊找鬼。 笑死鞍匾,一個(gè)胖子當(dāng)著我的面吹牛交洗,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播橡淑,決...
    沈念sama閱讀 40,825評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼构拳,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起置森,我...
    開(kāi)封第一講書(shū)人閱讀 39,729評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤斗埂,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后凫海,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體呛凶,經(jīng)...
    沈念sama閱讀 46,271評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,363評(píng)論 3 340
  • 正文 我和宋清朗相戀三年行贪,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了漾稀。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,498評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡建瘫,死狀恐怖崭捍,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情啰脚,我是刑警寧澤殷蛇,帶...
    沈念sama閱讀 36,183評(píng)論 5 350
  • 正文 年R本政府宣布,位于F島的核電站拣播,受9級(jí)特大地震影響晾咪,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜贮配,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,867評(píng)論 3 333
  • 文/蒙蒙 一谍倦、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧泪勒,春花似錦昼蛀、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,338評(píng)論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至沦辙,卻和暖如春夫植,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背油讯。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,458評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工详民, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人陌兑。 一個(gè)月前我還...
    沈念sama閱讀 48,906評(píng)論 3 376
  • 正文 我出身青樓沈跨,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親兔综。 傳聞我的和親對(duì)象是個(gè)殘疾皇子饿凛,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,507評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容