爬虫学习——网页解析器Beautiful Soup
一.Beautiful Soup的安装与测试
官方网站：https://www.crummy.com/software/BeautifulSoup/
Beautiful Soup安装与使用文档: https://www.crummy.com/software/BeautifulSoup/bs4/doc/
1.首先测试一下bs4模块是否已经存在，若不存在再安装即可，我用的是kali测试发现bs4模块已经存在，下面介绍如何测试与安装
新建python文档输入以下代码
1 import bs4 2 print bs4
显示一下结果即说明bs4模块已经存在，其他情况则需要安装
安装代码如下
1 sudo apt-get install python-pip2 3 sudo pip install beautifulsoup4
之后再进行测试即可
就会显示出来这时就说明 Beautiful Soup
安装已经完成
二、Beautiful Soup的语法
find_all:搜索出满足要求的所有节点
find:搜索出满足要求的第一个节点
二者的参数是一样的
2.按照节点名称、属性值、文字进行的搜索
3.创建Beautiful Soup对象相应的代码
1 from bs4 import BeautifulSoup 2 3 #根据HTML网页字符串创建BreautifulSoup对象 4 soup = BeautifulSoup( 5 html_doc, #HTML文档字符串 6 'html.parser' #HTML解析器 7 from_encoding='utf-8' #HTML文档的编码 8 )
4.搜索节点（find_all,find）
find_all(name节点名称,attrs节点属性,string节点文字)
1 # 方法：find_all(name,attrs,string) 2 3 #查找所有标签为a的节点 4 soup.find_all('a') 5 6 #查找所有标签为a，链接符合/view/123.html形式的节点 7 soup.find_all('a',href='/view/123.html') 8 soup.find_all('a',href=re.compile(r'/view/\d+\.htm')) #bs中可以在find方法中的名称和属性上使用正则表达式来匹配对应的内容 9 10 #查找所有标签为div，class为abc，文字为python的节点 11 soup.find_all('div',class_='abc',string='python')
5.得到节点后访问节点信息
1 #假如得到节点：<a href='1.html'>python</a>
2
3 #获取查找到的a节点的href属性
4 node.name
5
6 #获取查找到的a节点的href属性,以字典的形式访问到a节点所有的属性
7 node['href']
8
9 #获取查找到的a节点的链接文字
10 node.get_text()
通过以上创建bs4对象，搜索DOM树，访问节点的内容，就可以实现对整个下载好的网页
所有节点的解析和访问。下一篇博文将给一个完整的示例代码
