[toc]

一、声明

1	from bs4 import BeautifulSoup

1	soup = BeautifulSoup(爬取内容，解释器)

二、基本元素

1.对BeautifulSoup库的理解

Beautifulsoup是解析、遍历、维护”标签书“的功能库

2.BeautifulSoup类

(1)原理

1
2
3

flowchart LR
	HTML <--> 标签树
	标签树 <--> BeautifulSoup类

1
2
3

from bs4 import BeautifulSoup
soup = BeautifulSoup("<html>data</html>","html.parser")
soup2 = BeautifulSoup(open("D://demo.html"),"html.parser")

(2)解析器

解析器	使用方法	条件
bs4的HTML解析器	BeautifulSoup(mk,”html.parser”)	安装bs4库
lxml的HTML解析器	BeautifulSoup(mk,”lxml”)	pip install lxml
lxml的XML解析器	BeautifulSoup(mk,”xml”)	pip install xml
html5lib的解析器	BeautifulSoup(mk,”html5lib”)	pip install html5lib

(3)基本元素

基本元素	说明
Tag	标签，最基本元素，分别用<>和标明开通与结尾
Name	标签的名字
Attributes	标签的属性，字典形式格式，字典形式组织，格式：.attrs
NavigableString	标签内非属性字符串，<>……中字符串
Comment	标签内字符串的注释部分

三、使用

1.载入

(1)通过字符串构建

html='''
<html lang="zh-cn">
<head>
    <meta charset="utf-8" />    
</head>

<div id="main">
    <span role="heading" aria-level="2">span</span>
    <h1>h1</h1>
	<p>p</p>
</div>
</body>
</html>
'''