分类：Beautifulsoup教程

BeautifulSoup是一个可以从HTML文件中提取数据的Python库，通过转换器实现惯用的文档导航。

Beautifulsoup教程

附录

附录¶ [1] BeautifulSoup的google讨论组不是很活跃,可能是因为库已经比较完善了吧,但是作者还是会很热心的尽量帮你解决问题的. [2] (1, 2) 文档被解析成树形结构,所以下一步解析过...

AI君 4个月前 (03-03) 26℃ 0喜欢

Beautifulsoup教程

BeautifulSoup3

Beautiful Soup 3¶ Beautiful Soup 3是上一个发布版本,目前已经停止维护.Beautiful Soup 3库目前已经被几个主要的linux平台添加到源里: $ apt-get install Python-b...

AI君 4个月前 (03-03) 25℃ 0喜欢

Beautifulsoup教程

常见问题

常见问题¶ 代码诊断¶ 如果想知道Beautiful Soup到底怎样处理一份文档,可以将文档传入 diagnose() 方法(Beautiful Soup 4.2.0中新增),Beautiful Soup会输出一份报告,说明不同的解析...

AI君 4个月前 (03-03) 28℃ 0喜欢

Beautifulsoup教程

解析部分文档

解析部分文档¶ 如果仅仅因为想要查找文档中的<a>标签而将整片文档进行解析,实在是浪费内存和时间.最快的方法是从一开始就把<a>标签以外的东西都忽略掉. SoupStrainer 类可以定义文档的某段内容,这样搜索...

AI君 4个月前 (03-03) 30℃ 0喜欢

Beautifulsoup教程

复制BeautifulSoup对象

复制Beautiful Soup对象¶ copy.copy() 方法可以复制任意 Tag 或 NavigableString 对象 import copy p_copy = copy.copy(soup.p) print p_copy...

AI君 4个月前 (03-03) 25℃ 0喜欢

Beautifulsoup教程

比较对象是否相同

比较对象是否相同¶ 两个 NavigableString 或 Tag 对象具有相同的HTML或XML结构时, Beautiful Soup就判断这两个对象相同. 这个例子中, 2个 <b> 标签在 BS 中是相同的, 尽管他们...

AI君 4个月前 (03-03) 25℃ 0喜欢

Beautifulsoup教程

编码

编码¶ 任何HTML或XML文档都有自己的编码方式,比如ASCII 或 UTF-8,但是使用Beautiful Soup解析后,文档都被转换成了Unicode: markup = "<h1>Sacr\xc3\xa9 ble...

AI君 4个月前 (03-03) 27℃ 0喜欢

Beautifulsoup教程

指定文档解析器

指定文档解析器¶ 如果仅是想要解析HTML文档,只要用文档创建 BeautifulSoup 对象就可以了.Beautiful Soup会自动选择一个解析器来解析文档.但是还可以通过参数指定使用那种解析器来解析当前文档. Beautiful...

AI君 4个月前 (03-03) 28℃ 0喜欢

Beautifulsoup教程

输出

输出¶ 格式化输出¶ prettify() 方法将Beautiful Soup的文档树格式化后以Unicode编码输出,每个XML/HTML标签都独占一行 markup = '<a href="http://example.c...

AI君 4个月前 (03-03) 28℃ 0喜欢

Beautifulsoup教程

修改文档树

修改文档树¶ Beautiful Soup的强项是文档树的搜索,但同时也可以方便的修改文档树修改tag的名称和属性¶ 在 Attributes 的章节中已经介绍过这个功能,但是再看一遍也无妨. 重命名一个tag,改变属性的值,添加或删...

AI君 4个月前 (03-03) 28℃ 0喜欢

Beautifulsoup教程

搜索文档树

搜索文档树¶ Beautiful Soup定义了很多搜索方法,这里着重介绍2个: find() 和 find_all() .其它方法的参数和用法类似,请读者举一反三. 再以“爱丽丝”文档作为例子: html_doc = """ <...

AI君 4个月前 (03-03) 26℃ 0喜欢

Beautifulsoup教程

遍历文档树

遍历文档树¶ 还拿”爱丽丝梦游仙境”的文档来做例子: html_doc = """ <html><head><title>The Dormouse's story</title><...

AI君 4个月前 (03-03) 25℃ 0喜欢

Beautifulsoup教程

对象的种类

对象的种类¶ Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种: Tag , NavigableString , BeautifulSoup , Comment ...

AI君 4个月前 (03-03) 26℃ 0喜欢

Beautifulsoup教程

如何使用

如何使用¶ 将一段文档传入BeautifulSoup 的构造方法,就能得到一个文档的对象, 可以传入一段字符串或一个文件句柄. from bs4 import BeautifulSoup soup = BeautifulSoup(o...

AI君 4个月前 (03-03) 26℃ 0喜欢

Beautifulsoup教程

安装BeautifulSoup

安装 Beautiful Soup¶ 如果你用的是新版的Debain或ubuntu,那么可以通过系统的软件包管理来安装: $ apt-get install Python-bs4 Beautiful Soup 4 通过PyPi发布,所以如...

AI君 4个月前 (03-03) 25℃ 0喜欢

Beautifulsoup教程

快速开始

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 = """ <html><head><title>...

AI君 4个月前 (03-03) 25℃ 0喜欢

Beautifulsoup教程

BeautifulSoup4.4.0文档

Beautiful Soup 4.4.0 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...

AI君 4个月前 (03-03) 25℃ 0喜欢