python BeautifulSoup 安装

原文地址：http://afen.it/python-beautiful-soup4/

Beautiful Soup 是一个 Python HTML/XML 处理器，设计用来快速地转换网页抓取。以下的特性支撑着 Beautiful Soup：

  • Beautiful Soup 不会选择 即使你给他一个损坏的标签。 他产生一个转换DOM树，尽可能和你原文档内容含义一致 。这种措施通常能够你搜集数据的需求。
  • Beautiful Soup 提供一些简单的方法以及类Python语法 来查找、查找、修改一颗转换树：一个工具集帮助你解析一棵树并释出你需要的内容。你不需要为每一个应用创建自己的解析工具。
  • Beautiful Soup 自动将送进来的文档转换为 Unicode 编码 而且在输出的时候转换为 UTF-8,。 除非这个文档没有指定编码方式或者Beautiful Soup 没能自动检测编码，你需要手动指定编码方式，否则你不需要考虑编码的问题。

Beautiful Soup 转换任何你给他的内容，然后为你做那些转换的事情。你可以命令他 “找出所有的链接”, 或者 “找出所有 class 是 externalLink 的链接” , 再或者是 “找出所有的链接 url 匹配 ”foo.com”, 甚至是 “找出那些表头是粗体文字，然后返回给我文字“.
那些设计不好的网站中的有价值的数据可以被你一次锁定，原本要花数个小时候的工作，通过使用 Beautiful Soup 可以在几分钟内搞定。

windows下面 BeautifulSoup 安装 ：

安装包到 ：http://www.crummy.com/software/BeautifulSoup/#Download 下载

文档：http://www.crummy.com/software/BeautifulSoup/documentation.html 有中文文档（中文目前只有bs3，bs4确实有点不大一样，尽量查看英文版）

下载后解压， 然后进入目录执行 ：

1, python setup.py build

2, python setup.py install

如果python 安装有多个版本 可以在 系统环境变量里面指定一个 路径作为 默认路径。如果没有需要绝对目录执行。（如果没有环境变量可以不加python系统会自动调用也行）

安装完后调试，因为之前是看了bs3的文档

from BeautifulSoup import BeautifulSoup
import re

doc = ['<html><head><title>Page title</title></head>',
       '<body><p id="firstpara" align="center">This is paragraph <b>one</b>.',
       '<p id="secondpara" align="blah">This is paragraph <b>two</b>.',
       '</html>']
soup = BeautifulSoup(''.join(doc))

print soup.prettify()

如果是安装bs3版本的，这样是没有问题的，如果是安装bs4版本，那么调用是需要修改的

from BeautifulSoup import BeautifulSoup
#改为
from bs4 import BeautifulSoup

所以就要尽量看英文的bs4版的文档，中文文档还是落后了些

posted @ 2013-01-24 21:35  小妖.OTZ  阅读(1336)  评论(0)  编辑  收藏  举报