python2.7 beautifulsoup学习使用

学习使用python的beautiful soup库，大大方便了网络爬虫对于HTML文件的解析，beautiful soup将HTML拆解成对象处理，将HTML转换成字典和数组，相比利用正则表达式解析的爬虫，省略了学习正则表达式的高成本

说人话就是正则表达式太难了，博主学不会！

本篇只介绍Beautiful Soup的使用，不涉及安装、配置。

Beautiful Soup的使用方法如下：

1、创建Beautiful Soup对象

首先导入bs4库，创建Beautiful Soup对象

?

1 2	from bs4 import BeautifulSoup#导入BeautifulSoup模块 soup = BeautifulSoup(html.decode("utf-8"))#创建BeautifulSoup对

2、格式化输出

官方文档实例

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

from BeautifulSoup import BeautifulSoup import re doc = [‘<title>Page title</title>‘,        ‘<p id="firstpara" align="center">This is paragraph <b>one</b>.‘,        ‘</p><p id="secondpara" align="blah">This is paragraph <b>two</b>.‘] soup = BeautifulSoup(‘‘.join(doc)) print soup.prettify() #   <title> #    Page title #   </title> #   </p><p id="firstpara" align="center"> #    This is paragraph #    <b> #     one #    </b> #    . #   </p> #   <p id="secondpara" align="blah"> #    This is paragraph #    <b> #     two #    </b> #    . #   </p>

后面再补充。。。。

版权声明：本文为博主原创文章，未经博主允许不得转载。