Beautiful Soup 库一般被称为bs4库,支持Python3,是我们写爬虫非常好的第三方库。因用起来十分的简便流畅。所以也被人叫做“美味汤”。目前bs4库的最新版本是4.60。下文会介绍该库的最基本的使用,具体详细的细节还是要看:[官方文档](Beautiful Soup Documentation)
bs4库的安装
Python的强大之处就在于他作为一个开源的语言,有着许多的开发者为之开发第三方库,这样我们开发者在想要实现某一个功能的时候,只要专心实现特定的功能,其他细节与基础的部分都可以交给库来做。bs4库 就是我们写爬虫强有力的帮手。另外要注意:光理论是不够的。这里顺便免费送大家一套2020最新python入门到高级项目实战视频教程,可以去小编的Python交流.裙 :七衣衣九七七巴而五(数字的谐音)转换下可以找到了,还可以跟老司机交流讨教!
安装的方式非常简单:我们用pip工具在命令行里进行安装
pip install beautifulsoup4
接着我们看一下是否成功安装了bs4库
pip list
这样我们就成功安装了 bs4 库
bs4库的简单使用
这里我们先简单的讲解一下bs4库的使用,
暂时不去考虑如何从web上抓取网页,
假设我们需要爬取的html是如下这么一段:
下面的一段HTML代码将作为例子被多次用到.这是 爱丽丝梦游仙境的 的一段内容(以后内容中简称为 爱丽丝 的文档):
The Dormouse’s story
The Dormouse’s story
Once upon a time there were three little sisters; and their names were
http://example.com/elsie” class=”sister” id=”link1″>Elsie,
http://example.com/lacie” class=”sister” id=”link2″>Lacie and
http://example.com/tillie” class=”sister” id=”link3″>Tillie;
and they lived at the bottom of a well.
…
下面我们开始用bs4库解析这一段html网页代码。
#导入bs4模块
from bs4 import BeautifulSoup
#做一个美味汤
soup = BeautifulSoup(html,’html.parser’)
#输出结果
print(soup.prettify())
”’
OUT:
#
#
#
# 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.
#
#
# …
#
#
#
”’
可以看到bs4库将网页文件变成了一个soup的类型,
事实上,bs4库 是解析、遍历、维护、“标签树“的功能库。
通俗一点说就是: bs4库把html源代码重新进行了格式化,
从而方便我们对其中的节点、标签、属性等进行操作。
下面是几个简单的浏览结构化数据的方式 :
请仔细观察最前面的html文件
# 找到文档的title
soup.title
#
The Dormouse’s story
#title的name值
soup.title.name
# u’title’
#title中的字符串String
soup.title.string
# u’The Dormouse’s story’
#title的父亲节点的name属性
soup.title.parent.name
# u’head’
#文档的第一个找到的段落
soup.p
#
The Dormouse’s story
#找到的p的class属性值
soup.p[‘class’]
# u’title’
#找到a标签
soup.a
# http://example.com/elsie” id=”link1″>Elsie
#找到所有的a标签
soup.find_all(‘a’)
# [http://example.com/elsie” id=”link1″>Elsie,
# http://example.com/lacie” id=”link2″>Lacie,
# http://example.com/tillie” id=”link3″>Tillie]
#找到id值等于3的a标签
soup.find(id=”link3″)
# http://example.com/tillie” id=”link3″>Tillie
通过上面的例子 我们知道bs4库是这样理解一个html源文件的:
首先 把html源文件转换为soup类型
接着 从中通过特定的方式抓取内容
更高级点的用法?
从文档中找到所有标签的链接:
#发现了没有,find_all方法返回的是一个可以迭代的列表for link in soup.find_all(‘a’):
print(link.get(‘href’)) # http://example.com/elsie
# http://example.com/lacie
# http://example.com/tillie
从文档中获取所有文字内容:
#我们可以通过get_text 方法 快速得到源文件中的所有text内容。
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.
最后注意:光理论是不够的。这里顺便免费送大家一套2020最新python入门到高级项目实战视频教程,可以去小编的Python交流.裙 :七衣衣九七七巴而五(数字的谐音)转换下可以找到了,还可以跟老司机交流讨教!
本文的文字及图片来源于网络加上自己的想法,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
今天的文章python bs4 安装_Python之解BS4库如何安装与使用?正确方法教你分享到此就结束了,感谢您的阅读,如果确实帮到您,您可以动动手指转发给其他人。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/24836.html