这篇文章主要介绍“Python中的Beautiful Soup模块的用法”，在日常操作中，相信很多人在Python中的Beautiful Soup模块的用法问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Python中的Beautiful Soup模块的用法”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
1.Beautiful Soup模块的介绍
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库，简单来说，它能将HTML的标签文件解析成树形结构，然后方便地获取到指定标签的对应属性，还可以方便的实现全站点的内容爬取和解析；
Beautiful Soup支持Python标准库中的HTML解析器，还支持一些第三方的解析器，如果我们不安装它，则 Python 会使用 Python默认的解析器；
lxml 是python的一个解析库，支持HTML和XML的解析，html5lib解析器能够以浏览器的方式解析，且生成HTML5文档；
pip install beautifulsoup4pip install html5libpip install lxml2. Beautiful Soup模块解析HTML文档
假如现在有一段不完整的HTML代码，我们现在要使用Beautiful Soup模块来解析这段HTML代码
data = ''' <html><head><title>The Dormouse's story</title></he<body> <p class="title"><b id="title">The Dormouse's story</b></p> <p class="story">Once upon a time there were three <a href="http://example.com/elsie" class="sister" i<a href="http://example.com/lacie" class="sister" i<a href="http://example.com/tillie" class="sister" and they lived at the bottom of a well.</p> <p class="story">...</p> '''首先需要导入BeautifulSoup模块，再实例化BeautifulSoup对象
from bs4 import BeautifulSoup soup = BeautifulSoup(data,'lxml')然后通过BeautifulSoup提供的方法就可以拿到HTML的元素、属性、链接、文本等，BeautifulSoup模块可以将不完整的HTML文档，格式化为完整的HTML文档 ，比如我们打印print(soup.prettify())看一下输出什么？
<html> <head> <title> The Dormouse's story </title> </head> <body> <p class="title"> <b id="title"> The Dormouse's story </b> </p> <p class="story"> Once upon a time there were three <a a="" and="" at="" bottom="" class="sister" href="http://example.com/elsie" i="" lived="" of="" the="" they="" well.=""> <p class="story"> ... </p> </a> </p> </body></html>获取标签，如title标签，a标签等
print('title = {}'.format(soup.title)) # 输出：title = <title>The Dormouse's story</title>print('a={}'.format(soup.a))获取标签的名称，如title标签，body标签等
print('title_name = {}'.format(soup.title.name))# 输出：title_name = titleprint('body_name = {}'.format(soup.body.name))# 输出：body_name = body获取标签的内容，如title标签
print('title_string = {}'.format(soup.title.string))# 输出：title_string = The Dormouse's story如果想要获取某个标签的父标签的名称，可以使用parent，如title标签，可以得到父标签head标签，且会自定补齐不完整的标签；
print('title_pareat_name = {}'.format(soup.title.parent))# 输出：title_pareat_name = <head><title>The Dormouse's story</title></head>获取第一个p标签
print('p = {}'.format(soup.p))# 输出：p = <p class="title"><b>The Dormouse's story</b></p>获取第一个p标签的class的值，获取第一个a标签的class值
print('p_class = {}'.format(soup.p["class"]))# 输出：p_class = ['title']print('a_class = {}'.format(soup.a["class"]))# 输出：a_class = ['sister']获取所有的标签
# 获取所有的a标签print('a = {}'.format(soup.find_all('a')))# 获取所有的p标签 print('p = {}'.format(soup.find_all('p')))获取id为link3的标签
print('a_link = {}'.format(soup.find(id='title')))# 输出：a_link = <b id="title">The Dormouse's story</b>3.BeautifulSoup中的对象
BeautifulSoup对象分为四类，分别是
Tag(获取标签),NavigableString(获取标签内容),BeautifulSoup(根标签),Comment(标签内的所有的文本)；
语法：
soup.标签名：获取HTML中的标签；soup.标签名.name：获取HTML中标签的名称；soup.标签名.attrs：获取标签的所有属性；soup.标签名.string：获取HTML中标签的文本内容；soup.标签名.parent：获取HTML中标签的父标签；prettify()方法：可以将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；
4.遍历文档
contents：获取所有子节点，返回一个列表，可以通过下标取值；
soup = BeautifulSoup(html,"lxml")# 返回一个列表print(soup.p.contents)# 拿到第一个子节点print(soup.p.contents[0])children：返回子节点的生成器对象；
for tag in soup.p.children: print(tag)soup.strings：获取所有节点的内容，包括空格；
soup = BeautifulSoup(html,"lxml")for content in soup.strings: print(repr(content))soup.stripped_strings：获取所有节点的内容，不包括空格；
soup = BeautifulSoup(html,"lxml")for tag in soup.stripped_strings: print(repr(tag))5.查找标签
find_all()：查找所有指定标签名称的子节点（可同时查找多个标签），并判断是否符合过滤器的条件，返回一个列表；
soup = BeautifulSoup(html,"lxml")print(soup.find_all('a'))print(soup.find_all(['a','p']))print(soup.find_all(re.compile('^a')))find()：和find_all()差不多，但是find_all() 方法的返回结果是值包含一个元素的列表，而 find() 方法直接返回结果；
soup = BeautifulSoup(html,"lxml")print(soup.find('a'))到此，关于“Python中的Beautiful Soup模块的用法”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注编程网网站，小编会继续努力为大家带来更多实用的文章！
