這篇文章主要介紹“Python中的Beautiful Soup模塊的用法”，在日常操作中，相信很多人在Python中的Beautiful Soup模塊的用法問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python中的Beautiful Soup模塊的用法”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
Beautiful Soup 是一個可以從HTML或XML文件中提取數據的Python庫，簡單來說，它能將HTML的標簽文件解析成樹形結構，然后方便地獲取到指定標簽的對應屬性，還可以方便的實現全站點的內容爬取和解析；
Beautiful Soup支持Python標準庫中的HTML解析器，還支持一些第三方的解析器，如果我們不安裝它，則 Python 會使用 Python默認的解析器；
lxml 是python的一個解析庫，支持HTML和XML的解析，html5lib解析器能夠以瀏覽器的方式解析，且生成HTML5文檔；
pip install beautifulsoup4 pip install html5lib pip install lxml
假如現在有一段不完整的HTML代碼，我們現在要使用Beautiful Soup模塊來解析這段HTML代碼
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> '''
首先需要導入BeautifulSoup模塊，再實例化BeautifulSoup對象
from bs4 import BeautifulSoup soup = BeautifulSoup(data,'lxml')
然后通過BeautifulSoup提供的方法就可以拿到HTML的元素、屬性、鏈接、文本等，BeautifulSoup模塊可以將不完整的HTML文檔，格式化為完整的HTML文檔 ，比如我們打印print(soup.prettify())看一下輸出什么？
<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>
獲取標簽，如title標簽，a標簽等
print('title = {}'.format(soup.title))
# 輸出：title = <title>The Dormouse's story</title>
print('a={}'.format(soup.a))獲取標簽的名稱，如title標簽，body標簽等
print('title_name = {}'.format(soup.title.name))
# 輸出：title_name = title
print('body_name = {}'.format(soup.body.name))
# 輸出：body_name = body獲取標簽的內容，如title標簽
print('title_string = {}'.format(soup.title.string))
# 輸出：title_string = The Dormouse's story如果想要獲取某個標簽的父標簽的名稱，可以使用parent，如title標簽，可以得到父標簽head標簽，且會自定補齊不完整的標簽；
print('title_pareat_name = {}'.format(soup.title.parent))
# 輸出：title_pareat_name = <head><title>The Dormouse's story</title>
</head>獲取第一個p標簽
print('p = {}'.format(soup.p))
# 輸出：p = <p class="title"><b>The Dormouse's story</b></p>獲取第一個p標簽的class的值，獲取第一個a標簽的class值
print('p_class = {}'.format(soup.p["class"]))
# 輸出：p_class = ['title']
print('a_class = {}'.format(soup.a["class"]))
# 輸出：a_class = ['sister']獲取所有的標簽
# 獲取所有的a標簽
print('a = {}'.format(soup.find_all('a')))
# 獲取所有的p標簽
print('p = {}'.format(soup.find_all('p')))獲取id為link3的標簽
print('a_link = {}'.format(soup.find(id='title')))
# 輸出：a_link = <b id="title">The Dormouse's story</b>BeautifulSoup對象分為四類，分別是Tag(獲取標簽),
NavigableString(獲取標簽內容)
,
BeautifulSoup(根標簽),
Comment(標簽內的所有的文本)
；
語法：
soup.標簽名：獲取HTML中的標簽；
soup.標簽名.name：獲取HTML中標簽的名稱；
soup.標簽名.attrs：獲取標簽的所有屬性；
soup.標簽名.string：獲取HTML中標簽的文本內容；
soup.標簽名.parent：獲取HTML中標簽的父標簽；
prettify()方法：可以將Beautiful Soup的文檔樹格式化后以Unicode編碼輸出，每個XML/HTML標簽都獨占一行；
contents：獲取所有子節點，返回一個列表，可以通過下標取值；
soup = BeautifulSoup(html,"lxml") # 返回一個列表 print(soup.p.contents) # 拿到第一個子節點 print(soup.p.contents[0])
children：返回子節點的生成器對象；
for tag in soup.p.children: print(tag)
soup.strings：獲取所有節點的內容，包括空格；
soup = BeautifulSoup(html,"lxml") for content in soup.strings: print(repr(content))
soup.stripped_strings：獲取所有節點的內容，不包括空格；
soup = BeautifulSoup(html,"lxml") for tag in soup.stripped_strings: print(repr(tag))
find_all()：查找所有指定標簽名稱的子節點（可同時查找多個標簽），并判斷是否符合過濾器的條件，返回一個列表；
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() 方法的返回結果是值包含一個元素的列表，而 find() 方法直接返回結果；
soup = BeautifulSoup(html,"lxml")
print(soup.find('a'))到此，關于“Python中的Beautiful Soup模塊的用法”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
