Py之Beautiful Soup 4.2.0：Beautiful Soup 4.2.0的簡介、安裝、使用方法詳細攻略
Beautiful Soup 4.2.0的簡介
Beautiful Soup 是一個可以從HTML或XML檔案中提取資料的Python庫.它能夠通過你喜歡的轉換器實現慣用的文件導航,查詢,修改文件的方式.Beautiful Soup會幫你節省數小時甚至數天的工作時間。
Beautiful Soup 4.2.0的安裝
如果你用的是新版的Debain或ubuntu,那麼可以通過系統的軟體包管理來安裝:
$ apt-get install Python-bs4
Beautiful Soup 4 通過PyPi釋出,所以如果你無法使用系統包管理安裝,那麼也可以通過 easy_install 或 pip 來安裝.包的名字是 beautifulsoup4 ,這個包相容Python2和Python3.
$ easy_install beautifulsoup4
$ pip install beautifulsoup4
Beautiful Soup 4.2.0的使用方法
1、將一段文件傳入BeautifulSoup 的構造方法,就能得到一個文件的物件, 可以傳入一段字串或一個檔案控制代碼.
from bs4 import BeautifulSoup
soup = BeautifulSoup(open("index.html"))
soup = BeautifulSoup("<html>data</html>")
首先,文件被轉換成Unicode,並且HTML的例項都被轉換成Unicode編碼
BeautifulSoup("Sacré bleu!")
<html><head></head><body>Sacré bleu!</body></html>
然後,Beautiful Soup選擇最合適的解析器來解析這段文件,如果手動指定解析器那麼Beautiful Soup會選擇指定的解析器來解析文件.(參考 解析成XML ).
2、BeautifulSoup包 功能比正則表示式很多，且要簡潔明白一些。
Beautiful Soup將複雜HTML文件轉換成一個複雜的樹形結構,每個節點都是Python物件,所有物件可 以歸納為4種: Tag、NavigableString、BeautifulSoup、Comment 。
Tag: 即我們在寫網頁時所使用的標籤（如<a>超連結標籤）
NavigableString：簡單的說就是一種可以遍歷的字串
Beautiful Soup庫對比lxml庫
這兩個庫主要是解析html/xml文件，BeautifulSoup 用來解析 HTML 比較簡單，API非常人性化，支援CSS選擇器、 Python標準庫中的HTML解析器，也支援 lxml 的 XML解析器。
Beautiful Sou和Lxml是兩個非常流行的python模組，他們常被用來對抓取到的網頁進行解析，以便進一步抓取的進行。