Python中BeautifulSoup简介

转载参考：http://www.crifan.com/python_third_party_lib_html_parser_beautifulsoup/

 

1、背景

Python中的，专门用于HTML解析的库，比较好用的，就是BeautifulSoup

 

2、BeautifulSoup简介

Python中有专门用于HTML/XML解析的库

特点是：

即便是有bug，有问题的HTML代码也可以被解析。功能强大。

 

BeautifulSoup主页：

http://www.crummy.com/software/BeautifulSoup/

 

2.1 BeautifulSoup的版本

BeautifulSoup主要有两个版本：

2.1.1 BeautifulSoup 3

之前的，比较早的，是3.x的版本。

最新的可用的在线文档：

http://www.crummy.com/software/BeautifulSoup/bs3/documentation.html

中文文档：

http://www.crummy.com/software/BeautifulSoup/bs3/documentation.zh.html

 

下载地址 ：

http://www.crummy.com/software/BeautifulSoup/bs3/download//3.x/

中可以下载很多对应的版本。

2.1.2 BeautifulSoup 4： 缩写成bs4

因此有些代码中使用的导入文件是：

from bs4 import BeautifulSoup

 

其他的和使用3.x是一样的。

-----------使用easy_install 安装BeautifulSoup的时候，看好下载的是什么版本。有时候可能代码中写的是上面的代码，但是运行的时候会提示No Module bs4。

bs4的在线文档：

http://www.crummy.com/software/BeautifulSoup/bs4/doc/

下载地址：

http://www.crummy.com/software/BeautifulSoup/bs4/download/

http://www.crummy.com/software/BeautifulSoup/bs4/download/4.3/

 

2.2 BeautifulSoup的安装

2.2.1 版本3.0.6之前：无需安装，放在和Python同目录下即可使用

3.0.6之前，都是不需要安装的，所以使用起来最简单，直接下载对应的版本，比如：
http://www.crummy.com/software/BeautifulSoup/bs3/download//3.x/BeautifulSoup-3.0.6.py
得到了BeautifulSoup-3.0.6.py，然后改名为：BeautifulSoup.py
然后，放到和你当前的python文件同目录下，比如我当前python文件是：
D:\tmp\tmp_dev_root\python\beautifulsoup_demo\beautifulsoup_demo.py
那就放到
D:\tmp\tmp_dev_root\python\beautifulsoup_demo\
下面，和beautifulsoup_demo.py同目录。

 

2.2.2 版本3.0.6之后：需要安装BeautifulSoup后才可以使用

下载过安装的压缩包之后，解压放置，然后进入到cmd窗口，目录切换到对应的压缩包解压目录：

D:\users\Desktop\beautifulsoup4-4.3.2

然后直接使用下面的命令安装：

setup.py install