今天就跟大家聊聊有关如何安装BS4库,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
创新互联建站成立与2013年,先为化州等服务建站,化州等地企业,进行企业商务咨询服务。为化州企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
Beautiful Soup 库一般被称为bs4库,支持Python3,是我们写爬虫非常好的第三方库。因用起来十分的简便流畅。所以也被人叫做“美味汤”。目前bs4库的最新版本是4.60。下文会介绍该库的最基本的使用,具体详细的细节还是要看:[官方文档](Beautiful Soup Documentation)
bs4库的安装
Python的强大之处就在于他作为一个开源的语言,有着许多的开发者为之开发第三方库,这样我们开发者在想要实现某一个功能的时候,只要专心实现特定的功能,其他细节与基础的部分都可以交给库来做。bs4库 就是我们写爬虫强有力的帮手。
安装的方式非常简单:我们用pip工具在命令行里进行安装
pip install beautifulsoup4
接着我们看一下是否成功安装了bs4库
pip list
这样我们就成功安装了 bs4 库
bs4库的简单使用
这里我们先简单的讲解一下bs4库的使用,
暂时不去考虑如何从web上抓取网页,
假设我们需要爬取的html是如下这么一段:
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):The Dormouse's story The Dormouse's story
Once upon a time there were three little sisters; and their names were http://example.com/elsie" class="sister" id="link1">Elsie, http://example.com/lacie" class="sister" id="link2">Lacie and http://example.com/tillie" class="sister" id="link3">Tillie; and they lived at the bottom of a well.
...
下面我们开始用bs4库解析这一段html网页代码。
#导入bs4模块 from bs4 import BeautifulSoup #做一个美味汤 soup = BeautifulSoup(html,'html.parser') #输出结果 print(soup.prettify()) ''' OUT: # # ## The Dormouse's story # # # ## # The Dormouse's story # #
## Once upon a time there were three little sisters; and their names were # # Elsie # # , # # Lacie # # and # # Tillie # # ; and they lived at the bottom of a well. #
## ... #
# # '''
可以看到bs4库将网页文件变成了一个soup的类型,
事实上,bs4库 是解析、遍历、维护、“标签树“的功能库。
通俗一点说就是: bs4库把html源代码重新进行了格式化,
从而方便我们对其中的节点、标签、属性等进行操作。
下面是几个简单的浏览结构化数据的方式 :
请仔细观察最前面的html文件
# 找到文档的title soup.title #The Dormouse's story #title的name值 soup.title.name # u'title' #title中的字符串String soup.title.string # u'The Dormouse's story' #title的父亲节点的name属性 soup.title.parent.name # u'head' #文档的第一个找到的段落 soup.p #The Dormouse's story
#找到的p的class属性值 soup.p['class'] # u'title' #找到a标签 soup.a # http://example.com/elsie" id="link1">Elsie #找到所有的a标签 soup.find_all('a') # [http://example.com/elsie" id="link1">Elsie, # http://example.com/lacie" id="link2">Lacie, # http://example.com/tillie" id="link3">Tillie] #找到id值等于3的a标签 soup.find(id="link3") # http://example.com/tillie" id="link3">Tillie
通过上面的例子 我们知道bs4库是这样理解一个html源文件的:
首先 把html源文件转换为soup类型
接着 从中通过特定的方式抓取内容
更高级点的用法?
从文档中找到所有标签的链接:
#发现了没有,find_all方法返回的是一个可以迭代的列表for link in soup.find_all('a'): print(link.get('href')) # http://example.com/elsie # http://example.com/lacie # http://example.com/tillie
从文档中获取所有文字内容:
#我们可以通过get_text 方法 快速得到源文件中的所有text内容。 print(soup.get_text()) # The Dormouse's story # # The Dormouse's story # # Once upon a time there were three little sisters; and their names were # Elsie, # Lacie and # Tillie; # and they lived at the bottom of a well. # # ...
看完上述内容,你们对如何安装BS4库有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注创新互联行业资讯频道,感谢大家的支持。
售后响应及时
7×24小时客服热线数据备份
更安全、更高效、更稳定价格公道精准
项目经理精准报价不弄虚作假合作无风险
重合同讲信誉,无效全额退款