这一次我们来了解一下美味的汤--beautifulsoup，这将是我们以后经常使用的一个库，并且非常的好用。
beautifulesoup库的名字取自刘易斯·卡罗尔在《爱丽丝梦游仙境》里的同名诗歌。在故事中，这首歌是素甲鱼唱的。就像它在仙境中的说法一样，beautifulsoup尝试化平淡为神奇。它通过定位html标签来格式化和组织复杂的网络信息，用简单易用的python对象为我们展现xml结构信息。
由于beautifulsoup库不是python标准库，因此我们需要单独安装这个库，才能使用它。对于这个库的安装，我们这里秉着简单的原则，就直接利用pycharm这个idle进行库的自动下载和导入。
首先我们进入pycharm的主界面，单击file-〉settings-〉project：untitled-〉project interpreter，如下图：
在上图中我们会看到一个绿色的加号，这时我们单击这个加号，会跳出如下的界面（pycharm在这个地方有时候很慢，会一直在这个界面刷新）：
这时我们在搜索框中输入“bs4”，然后选择列表中的bs4，然后进行安装，如下图：
这样我们就完成了beautifulsoup这个库的安装，下面我们就可以来使用它了。
关于这个库的官方文档解释的是很详细的，一定要看一看：点击打开链接
下面我就简单说一下这个库的一些方面。
首先呢，我们还是从一个例子开始我们的学习：
|
1
2
3
4
5
6
7
8
|
#coding:utf - 8
from urllib.request import urlopen
from bs4 import beautifulsoup
html = urlopen("http://tieba.baidu.com/")
bsobj=beautifulsoup(html,"lxml") #将html对象转化为beautifulsoup对象
print(bsobj.title) #输出这个网页中的标题
执
|
执行上面的程序，我们会得到的结果为：<title>百度贴吧——全球最大的中文社区</title>
首先我们来分析下bsobj=beautifulsoup(html,"lxml")这句话对我们的html做了什么，在这句代码中，我们将html对象传入到beautifulsoup中将它转化成beautifulsoup对象，关于第二个参数lxml，可以到官方文档中看，解释得很详细，这里大家只要知道带上它就可以了，不需要管它。这样，我们就成功将html对象转化为了beautifulsoup对象。
下面我们来了解下beautifulsoup对象的结构，当我们将html转化后得到的结构为：
html-><html><head>....</head><body>.....</body></html>
---head-><head><title>百度贴吧--全球最大的中文社区<title></head>
---title-><title>百度贴吧--全球最大的中文社区</title>
----body->.........
关于这个页面的结构我中间省略了一些无关紧要的元素，只是为了展示下这种层次化的结构。
从上面我们可以看出，beautifulsoup将html对象进行了层次化处理了，对它的原网页的标签进行了逐层的处理和细化，以便于我们之后使用。也就是我们只要知道，任何html（或xml）文件的任意节点信息都可以被提取出来，只要目标信息的旁边或者附近有标记就行了，这个标记就是我们网页中使用到的各种div、li之类的标签元素，也可以是class、id之类的属性，通过这些我们都可以对需要的信息进行提取。
对于刚刚的bsobj.title这个提取标题的操作，由于一个网页中只有一个title，所以我们可以直接获取到它，因为它是唯一的嘛，大家可以这样理解，在一个学校中，你的学号是唯一的，我可以通过直接查找学号进而唯一的搜索你，而不会产生歧义。
对于bsobj.title我们有多重替代方案：
- bsobj.html.head.title
- bsobj.html.title
- bsobj.head.title
关于上面的代码大家是对网页中元素的细化搜索，可以这样理解啊，假定你已经知道一个人是计科院的了，那你搜索他的时候常规思路便是直接在计科院找他，而bsobj.head中的head就相当于计科院，它是网页中的头部，title就放在这里面，所以我们使用bsobj.head.title也可以实现这个效果，其它的代码可以类似分析。
beautifulsoup是一个对象，所以我们可以通过运算符“.”对它的属性进行提取。
如bsobj.title获取html的标题对象，bsobj.title.name获取标题的名字。。。
这里就先简单介绍这些，后面 我们将继续深入说明beautifulsoup的好的使用方法。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_29883591/article/details/53067950