溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇文章為大家展示了BS4庫怎么在Python中安裝與使用，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。
bs4庫的安裝
Python的強大之處就在于他作為一個開源的語言，有著許多的開發者為之開發第三方庫，這樣我們開發者在想要實現某一個功能的時候，只要專心實現特定的功能，其他細節與基礎的部分都可以交給庫來做。bs4庫 就是我們寫爬蟲強有力的幫手。
安裝的方式非常簡單：我們用pip工具在命令行里進行安裝
$ pip install beautifulsoup4
接著我們看一下是否成功安裝了bs4庫
$ pip list
這樣我們就成功安裝了 bs4 庫
bs4庫的簡單使用
這里我們先簡單的講解一下bs4庫的使用，
暫時不去考慮如何從web上抓取網頁，
假設我們需要爬取的html是如下這么一段：
下面的一段HTML代碼將作為例子被多次用到.這是 愛麗絲夢游仙境的 的一段內容(以后內容中簡稱為 愛麗絲 的文檔):
<html><head><title>The Dormouse's story</title></head> <body> <p class="title"><b>The Dormouse's story</b></p> <p class="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.</p> <p class="story">...</p> </html>
下面我們開始用bs4庫解析這一段html網頁代碼。
#導入bs4模塊 from bs4 import BeautifulSoup #做一個美味湯 soup = BeautifulSoup(html，'html.parser') #輸出結果 print(soup.prettify()) ''' OUT: # <html> # <head> # <title> # The Dormouse's story # </title> # </head> # <body> # <p class="title"> # <b> # The Dormouse's story # </b> # </p> # <p class="story"> # Once upon a time there were three little sisters; and their names were # <a class="sister" href="http://example.com/elsie" rel="external nofollow" id="link1"> # Elsie # </a> # , # <a class="sister" href="http://example.com/lacie" rel="external nofollow" id="link2"> # Lacie # </a> # and # <a class="sister" href="http://example.com/tillie" rel="external nofollow" id="link2"> # Tillie # </a> # ; and they lived at the bottom of a well. # </p> # <p class="story"> # ... # </p> # </body> # </html> '''
可以看到bs4庫將網頁文件變成了一個soup的類型，
事實上，bs4庫 是解析、遍歷、維護、“標簽樹“的功能庫。
通俗一點說就是： bs4庫把html源代碼重新進行了格式化，
從而方便我們對其中的節點、標簽、屬性等進行操作。
下面是幾個簡單的瀏覽結構化數據的方式 ：
請仔細觀察最前面的html文件
# 找到文檔的title
soup.title
# <title>The Dormouse's story</title>
#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的父親節點的name屬性
soup.title.parent.name
# u'head'
#文檔的第一個找到的段落
soup.p
# <p class="title"><b>The Dormouse's story</b></p>
#找到的p的class屬性值
soup.p['class']
# u'title'
#找到a標簽
soup.a
# http://example.com/elsie" id="link1">Elsie
#找到所有的a標簽
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標簽
soup.find(id="link3")
# http://example.com/tillie" id="link3">Tillie通過上面的例子 我們知道bs4庫是這樣理解一個html源文件的：
首先 把html源文件轉換為soup類型
接著 從中通過特定的方式抓取內容
更高級點的用法？
從文檔中找到所有<a>標簽的鏈接:
#發現了沒有，find_all方法返回的是一個可以迭代的列表
for link in soup.find_all('a'):
print(link.get('href'))
# http://example.com/elsie
# http://example.com/lacie
# http://example.com/tillie從文檔中獲取所有文字內容:
#我們可以通過get_text 方法 快速得到源文件中的所有text內容。 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. # # ...
上述內容就是BS4庫怎么在Python中安裝與使用，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。
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。
