代码收藏家 Python Beautiful Soup 教程 – 介绍和安装
系列文章目录
Beautiful Soup教程-简介及安装
Beautiful Soup教程-基本使用
Beautiful Soup教程-认识选择器
Beautiful Soup教程-节点选择器之选择元素的方法
Beautiful Soup教程-节点选择器之提取信息的方法
Beautiful Soup教程-节点选择器之嵌套选择的方法
Beautiful Soup教程-节点选择器之关联选择的方法
Beautiful Soup教程-方法选择器
Beautiful Soup教程-CSS选择器
文章目录
前言
Beautiful Soup是Python的一个网页解析库，处理快捷; 支持多种解析器，功能强大。教程细致讲解Beautiful Soup的深入使用、节点选择器、CSS选择器、Beautiful Soup4的方法选择器等重要知识点，是学好爬虫的基础课程。
Beautiful Soup教程-简介及安装
1. 简介
Beautiful Soup的特点：
- API简单，功能强大
Beautiful Soup提供一些简单的方法和Python式函数，用于浏览，搜索和修改解析树，它是一个工具箱，通过解析文档为用户提供需要抓取的数据。
- 支持多种解析器
Beautiful Soup支持多种解析器，包括Python标准库中的HTML解析器，还支持一些第三方的解析器。
- 自动实现编码的转换
Beautiful Soup 自动将输入文档转换成Unicode类型，输出文档转换为UTF-8编码。如果文档中没有指定编码，只需我们指定编码即可。
2. 安装Beautiful Soup
目前Beautiful Soup的最新版本是4.x，之前的版本已经停止开发了，所以这里推荐使用beautifulsoup4。
安装beautifulsoup4方式：
pip3 install beautifulsoup4
命令执行完毕之后即可完成安装
3. Beautiful Soup解析器
3.1 解析器的安装方法
安装lxml
Beautiful Soup的HTML和XML解析器是依赖于lxml库的，所以在使用之前先安装lxml库。(如果已经安装，请跳过此步)
pip3 install lxml
安装html5lib
另一个可供选择的解析器是纯Python实现的html5lib，html5lib的解析方式与浏览器相同，可以选择下列方法来安装html5lib。
pip3 install html5lib
3.2 解析器的优缺点
下表列出了Beautiful Soup支持的主要的解析器以及它们的优缺点：
| 解析器 | 使用方法 | 优势 | 劣势 |
|---|---|---|---|
| Python标准库 | BeautifulSoup(markup， "html.parser") |
Python的内置标准库、执行速度适中、文档容错能力强 | Python 2.7.3 or 3.2.2前的版本文档容错能力差 |
| lxml HTML 解析器 | BeautifulSoup(markup， "lxml") |
速度快、文档容错能力强 | 需要安装C语言库 |
| lxml XML解析器 | BeautifulSoup(markup， ["lxml", "xml"])，BeautifulSoup(markup， "xml") |
速度快、唯一支持XML的解析器 | 需要安装C语言库 |
| html5lib | BeautifulSoup(markup， "html5lib") |
最好的容错性、以浏览器的方式解析文档、生成HTML5格式的文档 | 速度慢、不依赖外部扩展 |
推荐使用lxml作为解析器，因为效率更高。在Python2.7.3之前的版本和Python3中3.2.2之前的版本，必须安装lxml或html5lib，因为那些版本Python版本的标准库中内置的HTML解析方法不够稳定。
学IT上博学谷
