📅 最后修改于: 2023-12-03 15:13:38.723000 🧑 作者: Mango
Beautifulsoup是Python中一个强大的HTML解析库，用于从HTML或XML文件中提取数据。它提供了一组简单易用的API，可根据标记中的标签、属性和文本内容搜索文档，并提取所需数据。
可以使用pip安装Beautifulsoup库：
pip install beautifulsoup4
使用BeautifulSoup需要先将HTML文本传递给它，然后它会将文本解析成一个树形结构，可以对它进行遍历和搜索。
from bs4 import BeautifulSoup
# HTML文本
html_doc = "<html><head><title>Beautifulsoup 文档 - Python</title></head><body><p>Beautifulsoup是Python中一个强大的HTML解析库，用于从HTML或XML文件中提取数据。它提供了一组简单易用的API，可根据标记中的标签、属性和文本内容搜索文档，并提取所需数据。</p></body></html>"
# 创建BeautifulSoup对象
soup = BeautifulSoup(html_doc, 'html.parser')
# 打印HTML文档中所有的a标签
for a_tag in soup.find_all('a'):
print(a_tag.get('href'))
可以使用soup.find()或soup.findAll()方法搜索文档中的标签，它们都可以接受标签名、属性和文本内容作为参数。
from bs4 import BeautifulSoup
# HTML文本
html_doc = "<html><head><title>Beautifulsoup 文档 - Python</title></head><body><p>Beautifulsoup是Python中一个强大的HTML解析库，用于从HTML或XML文件中提取数据。它提供了一组简单易用的API，可根据标记中的标签、属性和文本内容搜索文档，并提取所需数据。</p></body></html>"
# 创建BeautifulSoup对象
soup = BeautifulSoup(html_doc, 'html.parser')
# 搜索title标签
title = soup.find('title')
print(title)
# 搜索body标签中的所有p标签
p_tags = soup.body.findAll('p')
print(p_tags)
# 搜索属性为class="main-content"的div标签
div_tag = soup.find('div', {'class': 'main-content'})
print(div_tag)
Beautifulsoup提供了一系列的方法用于提取标签的文本内容、属性和标签名等信息。
from bs4 import BeautifulSoup
# HTML文本
html_doc = "<html><head><title>Beautifulsoup 文档 - Python</title></head><body><p>Beautifulsoup是Python中一个强大的HTML解析库，用于从HTML或XML文件中提取数据。它提供了一组简单易用的API，可根据标记中的标签、属性和文本内容搜索文档，并提取所需数据。</p></body></html>"
# 创建BeautifulSoup对象
soup = BeautifulSoup(html_doc, 'html.parser')
# 获取title标签的文本内容
title_text = soup.title.text
print(title_text)
# 获取a标签的href属性值
href = soup.a.get('href')
print(href)
# 获取p标签的文本内容
p_text = soup.body.p.text
print(p_text)
了解更多Beautifulsoup的使用方法，可以参考官方文档。