python Beautiful Soup4（一）

来源：互联网发布：ubuntu中文输入法错误编辑：程序博客网时间：2024/05/22 05:22

Beautiful Soup是python的一个解析HTML或XML格式文件的包，Beautiful Soup 3已经不在开发，现在一般使用Beautiful Soup 4。学习BS4最好的方法是找一段网页例子来进行解析，我们先来写一段HTML代码。

<!DOCTYPE html><html lang="en"><head>    <meta charset="UTF-8">    <title>父亲</title>    <link rel="stylesheet" type="text/css" href="father.css">    <link rel="stylesheet" type="text/css" href="./css/bootsrap.min.css"></head><body background="./image/bg.jpg"><div id='head1'><h1>亲爱的父亲，我想对你说：</h1></div>  <div>    <ui>        <li class="item1">感谢一路上有你!!!</li>        <li class="item2">感谢一路上有你!!!</li>        <li class="item3">感谢一路上有你!!!</li>        <li class="item4">感谢一路上有你!!!</li>        <li class="item5">感谢一路上有你!!!</li>        <li class="item6">感谢一路上有你!!!</li>        <li class="item7">感谢一路上有你!!!</li>        <li class="item8">感谢一路上有你!!!</li>        <li class="item9">感谢一路上有你!!!</li>        <li class="item10">感谢一路上有你!!!</li>    </ui>  </div></body></html>

我们将上边的代码保存成’father.html’，然后用BS4来解析它。

>>> from bs4 import BeautifulSoup>>> html_doc = open('father.html').read()>>> soup = BeautifulSoup(html_doc)# 直接传入文件句柄也是可以的# soup = BeautifulSoup(open('father.html')) 跟上边效果一样

现在通过BeautifulSoup的解析就可以得到一个BeautifulSoup对象，使用该对象的prettify方法，可以将代码按照标准缩进打印出来。
这里写图片描述
是不是很漂亮-_-
有了包含网页信息的BeautifulSoup对象，我们就可以愉快的解析网页了，先来几个小栗子尝尝-_-

>>> soup.title    #输出文档title，含标签<title>父亲</title>>>> print soup.title.string #输出title内容父亲>>> soup.find_all('li')[<li class="item1">感谢一路上有你!!!</li>, <li class="item2">感谢一路上有你!!!</li>, <li class="item3">感谢一路上有你!!!</li>, <li class="item4">感谢一路上有你!!!</li>, <li class="item5">感谢一路上有你!!!</li>, <li class="item6">感谢一路上有你!!!</li>, <li class="item7">感谢一路上有你!!!</li>, <li class="item8">感谢一路上有你!!!</li>, <li class="item9">感谢一路上有你!!!</li>, <li class="item10">感谢一路上有你!!!</li>]

有了BS4，就不用我们自己去编写正则表达式来解析网页了，是不是很方便呢。

0 0