成都网站建设设计

将想法与焦点和您一起共享

如何安装BS4库

今天就跟大家聊聊有关如何安装BS4库,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。

创新互联建站成立与2013年,先为化州等服务建站,化州等地企业,进行企业商务咨询服务。为化州企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

Beautiful Soup 库一般被称为bs4库,支持Python3,是我们写爬虫非常好的第三方库。因用起来十分的简便流畅。所以也被人叫做“美味汤”。目前bs4库的最新版本是4.60。下文会介绍该库的最基本的使用,具体详细的细节还是要看:[官方文档](Beautiful Soup Documentation)

bs4库的安装

Python的强大之处就在于他作为一个开源的语言,有着许多的开发者为之开发第三方库,这样我们开发者在想要实现某一个功能的时候,只要专心实现特定的功能,其他细节与基础的部分都可以交给库来做。bs4库 就是我们写爬虫强有力的帮手。

安装的方式非常简单:我们用pip工具在命令行里进行安装

pip install beautifulsoup4

接着我们看一下是否成功安装了bs4库

pip list

这样我们就成功安装了 bs4 库

如何安装BS4库

bs4库的简单使用

这里我们先简单的讲解一下bs4库的使用,

暂时不去考虑如何从web上抓取网页,

假设我们需要爬取的html是如下这么一段:

下面的一段HTML代码将作为例子被多次用到.这是 爱丽丝梦游仙境的 的一段内容(以后内容中简称为 爱丽丝 的文档):

The Dormouse's story

The Dormouse's story

     Once upon a time there were three little sisters; and their names were http://example.com/elsie" class="sister" id="link1">Elsie, http://example.com/lacie" class="sister" id="link2">Lacie and http://example.com/tillie" class="sister" id="link3">Tillie; and they lived at the bottom of a well.

     ...

下面我们开始用bs4库解析这一段html网页代码。

#导入bs4模块
from bs4 import BeautifulSoup
#做一个美味汤
soup = BeautifulSoup(html,'html.parser')
#输出结果
print(soup.prettify())
    
'''
OUT:
    
# 
#  
#   
#    The Dormouse's story
#   
#  
#  
#   
#    
#     The Dormouse's story
#    
#   

#    #    Once upon a time there were three little sisters; and their names were #     #     Elsie #     #    , #     #     Lacie #     #    and #     #     Tillie #     #    ; and they lived at the bottom of a well. #   

#    #    ... #   

#   #  '''

可以看到bs4库将网页文件变成了一个soup的类型,

事实上,bs4库 是解析、遍历、维护、“标签树“的功能库。

通俗一点说就是: bs4库把html源代码重新进行了格式化,

从而方便我们对其中的节点、标签、属性等进行操作。

下面是几个简单的浏览结构化数据的方式 :

请仔细观察最前面的html文件

# 找到文档的title
soup.title
# The Dormouse's story
    
#title的name值
soup.title.name
# u'title'
    
#title中的字符串String
soup.title.string
# u'The Dormouse's story'
    
#title的父亲节点的name属性
soup.title.parent.name
# u'head'
    
#文档的第一个找到的段落
soup.p
# The Dormouse's story

     #找到的p的class属性值 soup.p['class'] # u'title'      #找到a标签 soup.a # http://example.com/elsie" id="link1">Elsie      #找到所有的a标签 soup.find_all('a') # [http://example.com/elsie" id="link1">Elsie, #  http://example.com/lacie" id="link2">Lacie, #  http://example.com/tillie" id="link3">Tillie]      #找到id值等于3的a标签 soup.find(id="link3") # http://example.com/tillie" id="link3">Tillie

通过上面的例子 我们知道bs4库是这样理解一个html源文件的:

首先 把html源文件转换为soup类型

接着 从中通过特定的方式抓取内容

更高级点的用法?

从文档中找到所有标签的链接:

#发现了没有,find_all方法返回的是一个可以迭代的列表for link in soup.find_all('a'):
    print(link.get('href'))    # http://example.com/elsie
    # http://example.com/lacie
    # http://example.com/tillie

从文档中获取所有文字内容:

#我们可以通过get_text 方法 快速得到源文件中的所有text内容。
print(soup.get_text())
# The Dormouse's story
#
# The Dormouse's story
#
# Once upon a time there were three little sisters; and their names were
# Elsie,
# Lacie and
# Tillie;
# and they lived at the bottom of a well.
#
# ...

看完上述内容,你们对如何安装BS4库有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注创新互联行业资讯频道,感谢大家的支持。


网站栏目:如何安装BS4库
文章位置:
http://chengdu.cdxwcx.cn/article/jdopoe.html