htmlheadtitle睡鼠故事headpython模块beautifulsoup介绍.pdfVIP

#python模块#BeautifulSoup模块介绍

BeautifulSoup是一个可以从HTML或XML文件中提取数据的Python模块。相比于其他

html解析，BeautifulSoup可以将html文件拆解为对象处理，全篇转化为字典和数组，节省

工作时间。目前常用的版本为BeautifulSoup4.

BeautifulSoup安装

在linux系统中，BeautifulSoup可通过如下两种方式安装：

$easy_installbeautifulsoup4

$pipinstallbeautifulsoup4

如果没有在linux中安装easy_install或者pip，也可以BeautifulSoup4源代码，通过其

中的setup.py安装。

$pythonsetup.pyinstall

BeautifulSoup使用简介

在使用BeautifulSoup之前，需要在python中导入BeautifulSoup模块，方法为：

frombs4importBeautifulSoup

下图为一段html代码文件（为BeautifulSoup文档中的示例文件）

html_doc=

htmlheadtitleTheDormousesstory/title/head

body

pclass=titlebTheDormousesstory/b/p

pclass=storyOnceuponatimetherewerethreelittlesisters;andtheir

nameswere

ahref=class=sisterid=link1Elsie/a,

ahref=class=sisterid=link2Lacie/aand

ahref=class=sisterid=link3Tillie/a;

andtheylivedatthebottomofawell./p

pclass=story.../p

代码

frombs4importBeautifulSoupasbs

soup=bs(html_doc)

代码输出

print(soup.prettify())

#html

#head

#title

#TheDormousesstory

#/title

#/head

#body

#pclass=title

#b

#TheDormousesstory

#/b

#/p

#pclass=story

#Onceuponatimetherewerethreelittlesisters;andtheirnameswere

#aclass=sisterhref=id=link1

#Elsie

#/a

#,

#aclass=sisterhref=id=link2

#Lacie

#/a

#and

#aclass=sisterhref=id=link2

#Tillie

#/a

#;andtheylivedatthebottomofawell.

#/p

#pclass=story

#...

#/p

#/body

#/html

获取指定tag的内容

soup.title

#titleTheDormousessto