BeautifulSoup简介

旧教程

之前已有写过一个旧版本的教程，用docbook发布的：Python专题教程：BeautifulSoup详解

现已把其内容整理合并到此新版教程。

对于HTML网页的解析，可以使用Python中的正则表达式re去提取所需内容。

但是前提（往往是）被解析的html不够复杂，否则正则就很难写，或者说写不出来。

而对于html网页（和xml）的解析，有个专门的库，叫做：

  • BeautifulSoup
    • 简称：bs
      • 最新版本是v4，简称：bs4
    • 核心功能：解析HTML和XML
    • 特点
      • 功能强大
      • 支持语法有问题的HTML的解析

为何叫BeautifulSoup

  • BeautifulSoup
    • 中文直译：美味的汤
      • 个人推测是：
        • -》 （让人）喝起来很爽（的汤）
          • -》BeautifulSoup的目的就是：
            • 让你从网页中提取内容很方便
              • -》让你像喝美味的汤一样的爽

什么时候会用到BeautifulSoup

BeautifulSoup这个技术所属领域：一般来说属于Python的爬虫相关的技术领域范围内

一般是在：已经用requests等库或框架，爬取得到了网页源码，然后想要从html源码中提取特定的内容时

往往才会用到这个：BeautifulSoup

BeautifulSoup的版本

  • 之前：BeautifulSoup 3
    • 只支持Python 2
      • Python官网（在20200101之后）已不再继续维护Python 2了
        • 现在已经是20200216了，大家也都尽量不再用Python 2，而改用Python 3了
    • 最后版本：3.2.2
      • 截至：2019-10-05
    • 安装包：
      • Debian/Ubuntu：python-beautifulsoup
      • Fedora：python-BeautifulSoup
  • 最新：BeautifulSoup 4
    • 支持：Python 2 (2.7+)和Python 3
    • 最新版本是：Beautiful Soup 4.8.2
      • 截至：2019-12-24
    • 基于BeautifulSoup 4有个：bs4
      • 安装包
        • Debian/Ubuntu
          • Python 2：python-bs4
          • Python 3：python3-bs4
        • Fedora
          • python-beautifulsoup4

官网文档

旧文档

附上BS3=BeautifulSoup v3的旧文档，仅供参考

results matching ""

    No results matching ""