python里bs4怎么用

  • Z时代
  • 2024-01-10
  • 分类：综合

python

bs4 全名 BeautifulSoup，是编写 python 爬虫常用库之一，主要用来解析 html 标签。

初始化

from bs4 import BeautifulSoup
soup = BeautifulSoup("<html>A Html Text</html>", "html.parser")

两个参数：第一个参数是要解析的html文本，第二个参数是使用那种解析器，对于HTML来讲就是html.parser，这个是bs4自带的解析器。如果一段HTML或XML文档格式不正确的话，那么在不同的解析器中返回的结果可能是不一样的。

对象

Beautfiful Soup将复杂HTML文档转换成一个复杂的树形结构，每个节点都是Python对象，所有对象可以归纳为4种：tag，NavigableString，BeautifulSoup，Comment。

tag

Tag对象与 xml 或 html 原生文档中的 tag 相同。

soup = BeautifulSoup('<b class="boldest">Extremely bold</b>')
tag = soup.b
type(tag)
# <class 'bs4.element.Tag'>

如果不存在，则返回 None，如果存在多个，则返回第一个。

name

每个 tag 都有自己的名字

tag.name
# 'b'

attributes

tag 的属性是一个字典

tag['class']
# 'boldest'
tag.attrs
# {'class': 'boldest'}
type(tag.attrs)
# <class 'dict'>

两点注意事项

1、python3不再有urllib2，取而代之的是urllib.request，因此把在Python2中使用urllib2的地方全部替代为urllib.request即可
2、from BeautifulSoup import BeautifulSoup 总是会出错，替换为from bs4 import BeautifulSoup即可

当然，文档的节点不止这些，还有其他很多的节点。更多学习内容，请点击Python学习网。

以上是 python里bs4怎么用 的全部内容， 来源链接： utcz.com/z/523937.html

回到顶部