Beautiful Soup 是一個可以從HTML或XML文件中提取數據的Python庫.它能夠通過你喜歡的轉換器實現慣用的文檔導航,查找,修改文檔的方式。
它是一個靈活又方便的網頁解析庫，處理高效，支持多種解析器。
利用它就不用編寫正則表達式也能方便的實現網頁信息的抓取。
通常人們把 beautifulSoup 叫作“美味的湯，綠色的濃湯”，簡稱：美麗(味)湯
它的官方文檔：https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html (中)
https://www.crummy.com/software/BeautifulSoup/bs4/doc/ (英)
安裝
快速安裝
pip install beautifulsoup4 或 easy_install BeautifulSoup4
解析庫
Beautiful Soup支持Python標准庫中的HTML解析器,還支持一些第三方的解析器，如果我們不安裝它，則 Python 會使用 Python默認的解析器，lxml 解析器更加強大，速度更快，推薦安裝。
# -*- coding:utf-8 -*- from bs4 import BeautifulSoup html = """ <html><head><title>haha,The Dormouse's story</tittle></head> <body> <p class="title" name="dromouse"><b>The Dormouse's story</b></p> <p class="story">Once upon a time there were three little sisters; and their names were <a href="http://example.com/elsie" class="sister" id="link1"><!-- Elsie --></a>, <a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p> <p class="story">...</p> """ soup = BeautifulSoup(html, 'lxml') print(soup) # 輸出解析的html對象 print(soup.prettify()) # 格式化 print(soup.title) # 輸出標題<title>，eg: <title>haha,The Dormouse's story</title> print(soup.title.string) # 輸出title標題的內容字符串 print(soup.title.parent.name) # 輸出<title>節點父節點的名字 print(soup.find_all('a')) # 輸出所有標簽<a>組成的list print(soup.find(id='link3')) # 返回包含id='link3'的標簽所有內容