python3 BeautifulSoup模塊

1、安裝下載：

1、安裝：
pip install beautifulsoup4

二、可選擇安裝解析器：
pip install lxml
pip install html5lib

三、解析器比較：

解析器 使用方法 優點 劣勢 Python標準庫 BeautifulSoup(markup, "html.parser") Python的內置標準庫 執行速度適中 文檔容錯能力強 Python 2.7.3 or 3.2.2)前 的版本中文檔容錯能力差 lxml HTML 解析器 BeautifulSoup(markup, "lxml") 速度快 文檔容錯能力強 須要安裝C語言庫 lxml XML 解析器 BeautifulSoup(markup, ["lxml", "xml"]) BeautifulSoup(markup, "xml") 速度快 惟一支持XML的解析器 須要安裝C語言庫 html5lib BeautifulSoup(markup, "html5lib") 最好的容錯性 以瀏覽器的方式解析文檔 生成HTML5格式的文檔 速度慢 不依賴外部擴展

 2、BS的使用：

from bs4 import BeautifulSoupimport requests,rereq_obj = requests.get('https://www.baidu.com')soup = BeautifulSoup(req_obj.text,'lxml')'''標籤查找'''print(soup.title)              #只是查找出第一個print(soup.find('title'))      #效果和上面同樣print(soup.find_all('div'))    #查出全部的div標籤'''獲取標籤裏的屬性'''tag = soup.divprint(tag['class'])   #多屬性的話，會返回一個列表print(tag['id'])      #查找標籤的id屬性print(tag.attrs)      #查找標籤全部的屬性，返回一個字典（屬性名：屬性值）'''標籤包的字符串'''tag = soup.titleprint(tag.string)                 #獲取標籤裏的字符串tag.string.replace_with("哈哈")    #字符串不能直接編輯，能夠替換'''子節點的操做'''tag = soup.headprint(tag.title)     #獲取head標籤後再獲取它包含的子標籤'''contents 和 .children'''tag = soup.bodyprint(tag.contents)        #將標籤的子節點以列表返回print([child for child in tag.children])      #輸出和上面同樣'''descendants'''tag = soup.body[print(child_tag) for child_tag in tag.descendants]    #獲取全部子節點和子子節點'''strings和.stripped_strings'''tag = soup.body[print(str) for str in tag.strings]             #輸出全部全部文本內容[print(str) for str in tag.stripped_strings]    #輸出全部全部文本內容，去除空格或空行'''.parent和.parents'''tag = soup.titleprint(tag.parent)   　　　　　　　　　　　　　 #輸出便籤的父標籤[print(parent) for parent in tag.parents]  #輸出全部的父標籤'''.next_siblings 和 .previous_siblings    查出全部的兄弟節點''''''.next_element 和 .previous_element    下一個兄弟節點''''''find_all的keyword 參數'''soup.find_all(id='link2')                   #查找全部包含 id 屬性的標籤soup.find_all(href=re.compile("elsie"))     #href 參數,Beautiful Soup會搜索每一個標籤的href屬性:soup.find_all(id=True)                       #找出全部的有id屬性的標籤soup.find_all(href=re.compile("elsie"), id='link1')         #也能夠組合查找soup.find_all(attrs={"屬性名": "屬性值"})  #也能夠經過字典的方式查找