巨细！小姐姐告诉你关于BeautifulSoup的一切（上）

　　作者：潮汐
　　来源：Python 技术
　　现在的朋友们都很聪明，只要会爬虫都知道 BeautifulSoup，但是随着知识点越来越多，很多伙伴可能只知道如何使用这个爬虫工具，并不知道 BeatifulSoup 的详尽用法，今天的文章就带大家了解 BeautifulSoup 的基础详细用法。
　　BeautifulSoup 是什么？？？
　　BeautifulSoup 是一个可以从 HTML 或 XML 文件中提取数据的 Python 扩展库。BeautifulSoup 通过合适的转换器实现文档导航、查找、修改文档等。它可以很好的处理不规范标记并生成剖析树（Parse Tree）；它提供的导航功能（Navigating），可以简单又快速地搜索剖析树以及修改剖析树。BeautifulSoup 技术通常用来分析网页结构，抓取相应的 Web 文档，对于不规则的 HTML 文档，它提供了一定的补全功能，从而节省了开发者的时间和精力。今天的文章就一起学习 BeatifulSoup 的详细用法吧~ 环境部署
　　安装 BeautifulSoup
　　BeautifulSoup 主要通过 pip 指令进行安装，在命令提示符 CMD 环境下或者在 PyCharm 的命令行窗口进行安装都可，即调用 pip install bs4  命令进行安装，bs4 即 BeautifulSoup4。
　　由于我本地环境已经安装了，显示如下：
　　没安装的小伙伴可以去直接输入命令尝试安装，如果已安装就可以直接上手实践。
　　当 BeautifulSoup 扩展包安装成功后，就可以在命令行输入from bs4 import BeautifulSoup  语句导入该扩展包，测试安装是否成功，如果没有异常报错即安装成功，如下所示:
　　BeautifulSoup 解析 HTML 获取网页信息
　　BeautifulSoup 解析 HTML
　　BeautifulSoup 解析 HTML 的原理是创建一个 BeautifulSoup 对象，然后调用 BeautifulSoup 包的 prettify() 函数格式化输出网页信息。
　　实例如下：from bs4 import BeautifulSoup  html = ＂＂＂               
BeatifulSoup 技术详解    ＂＂＂ # 结果会按照标准的缩进格式的结构输出 soup = BeautifulSoup(html) print(soup.prettify())
　　使用 BeautifulSoup 解析网页输出结果如下：
　　BeatifulSoup 解析会把 HTMl 网页的所有标签信息和内容按照 HTML 标签的缩进全部输出。
　　用 BeautifulSoup 解析 HTML 文档时，它会将 HTML 文档类似 DOM 文档树一样处理，使用 prettify()  函数输出结果时会自动补齐标签，这是 BeautifulSoup 的一个优点，即使 BeautifulSoup 得到了一个损坏的标签，它也产生一个转换 DOM 树，并尽可能和原文档内容含义一致，这种措施通常能够帮助更正确地搜集数据。
　　实例如下： 将一个网址输入后直接用 prettify()  函数获取from bs4 import BeautifulSoup  html = ＂https://www.baidu.com/＂ # 结果会按照标准的缩进格式的结构输出 soup = BeautifulSoup(html) print(soup.prettify())
　　输出内容如下：     
    https://www.baidu.com/      
　　输出的内容自动补齐了标签，并按照 HTML 格式输出。BeautifulSoup 获取网页标签信息
　　上面的知识讲解如何用 BeautifulSoup 解析了网页，在解析完网页之后，如果想获取某个标签的内容信息，怎么实现呢？比如获取以下超文本的 标题 ,接下来将教大家如何使用 BeautifulSoup 技术获取网页标签信息。获取网页标题 代码如下：from bs4 import BeautifulSoup  # 获取标题 def get_title():     #创建本地文件soup对象     soup = BeautifulSoup(open(＂test.html＂,＂rb＂), ＂html.parser＂)      #获取标题     title = soup.title     print(＂标题:＂, title)  if __name__ == ＂__main__＂:     get_title()
　　输出内容如下:
　　同样的获取其他标签的内容也一样，如 HTML 的头部 a 标签# 获取a标签内容 def get_a():     #创建本地文件soup对象     soup = BeautifulSoup(open(＂test.html＂,＂rb＂), ＂html.parser＂)      #获取a标签内容     a = soup.a     print(＂a标签的内容是:＂, a)
　　输出内容如下：a标签的内容是: ddd 定位标签并获取内容
　　前面的内容简单介绍了 BeautifulSoup 获取title、a等标签，但是如何定位标签并获取到相应标签的内容呢，这里就需要使用 BeatifulSoup 的 find_all() 函数，详细使用方式如下：def get_all():     soup = BeautifulSoup(open(＂test.html＂, ＂rb＂), ＂html.parser＂)     # 从文档中找到的所有标签链接     for a in soup.find_all(＂a＂):         print(a)     # 获取的超链接     for link in soup.find_all(＂a＂):         print(link.get(＂href＂))  if __name__ == ＂__main__＂:     get_all()
　　输出内容如下：ddd https://www.baidu.com ddd
　　以上是关于 BeautifulSoup 如何定位标签并获取内容的方式。总结
　　本文主要讲解关于 BeautifulSoup 知识点的最基础部分，下文将讲解关于 BeautifulSoup 的核心用法，咱们下期见~