Beautiful Soup 4.2.0 文档.pdfVIP

Beautiful Soup 4.2.0 文档 Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它 能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你 节省数小时甚至数天的工作时间. 这篇文档介绍了BeautifulSoup4中所有主要特性,并切有小例子.让我来向你展示它适合做什 么,如何工作,怎样使用,如何达到你想要的效果,和处理异常情况. 文档中出现的例子在Python2.7和Python3.2中的执行结果相同 你可能在寻找 Beautiful Soup3 的文档,Beautiful Soup 3 目前已经停止开发,我们推荐在现 在的项目中使用Beautiful Soup 4, 移植到BS4 寻求帮助 ? 如果你有关于BeautifulSoup的问题,可以发送邮件到 讨论组 .如果你的问题包含了一段需要 转换的HTML代码,那么确保你提的问题描述中附带这段HTML文档的 代码诊断 [1] 快速开始 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): html_doc = htmlheadtitleThe Dormouses story/title/head body p class=titlebThe Dormouses story/b/p p class=storyOnce upon a time there were three little sisters; and their names were a href=/elsie class=sister id=link1Elsie/a, a href=/lacie class=sister id=link2Lacie/a and a href=/tillie class=sister id=link3Tillie/a; and they lived at the bottom of a well./p p class=story.../p 使用BeautifulSoup解析这段代码,能够得到一个 BeautifulSoup 的对象,并能按照标准的缩进格 式的结构输出: from bs4 import BeautifulSoup soup = BeautifulSoup(html_doc) print(soup.prettify()) # html # head # title # The Dormouses story # /title # /head # body # p class=title # b # The Dormouses story # /b # /p # p class=story # Once upon a time there were three little sisters; and their names were # a class=sister href=/elsie id=link1 # Elsie # /a # , # a class=sister href=/lacie id=link2 # Lacie # /a # and # a class=sister href=/tillie id=link2 # Tillie # /a # ; and they lived at the bottom of a well. # /p # p class=story # ... # /p # /body # /html 几个简单的浏览结构化数据的方法: soup.title # titleThe Dormouses story/title # utitle soup.title.string # uThe Dormouses story # uhead soup.p # p class=titlebThe Dormouses story/b/p soup.p[class] # utitle soup.a # a class=sister href=/elsie id=link1Elsie/a soup.find_all(a) # [a class=sister href=/elsie id=link1Elsie/a, # a class=sister href=/lacie id=link2Lacie/a, # a class=sister href=/tillie id=link3Tillie/a] soup.find(i