Python之解BS4库如何安装与使用？正确方法教你

冷不防 2023-02-14 10:55 15阅读 0赞

![format_png][]

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。另外要**注意：**光理论是不够的。这里顺便免费送大家一套2020最新python入门到高级项目实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，还可以跟老司机交流讨教！

安装的方式非常简单：我们用pip工具在命令行里进行安装

<table> 
 <tbody> 
 <tr> 
 <td> 1 </td> 
 <td> <code>pip&nbsp;install&nbsp;beautifulsoup4</code> </td> 
 </tr> 
 </tbody> 
</table>

接着我们看一下是否成功安装了bs4库

这样我们就成功安装了 bs4 库

![a09ef4f32c6ca5ee33a7b862b5f782b.png][]

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：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 12 13 14 </td> 
 <td> <code>下面的一段HTML代码将作为例子被多次用到.这是&nbsp;爱丽丝梦游仙境的&nbsp;的一段内容(以后内容中简称为&nbsp;爱丽丝&nbsp;的文档):</code> &nbsp; <code>&lt;</code><code>html</code><code>&gt;&lt;</code><code>head</code><code>&gt;&lt;</code><code>title</code><code>&gt;The&nbsp;Dormouse's&nbsp;story&lt;/</code><code>title</code><code>&gt;&lt;/</code><code>head</code><code>&gt;</code> <code>&lt;</code><code>body</code><code>&gt;</code> <code>&lt;</code><code>p</code>&nbsp;<code>class="title"&gt;&lt;</code><code>b</code><code>&gt;The&nbsp;Dormouse's&nbsp;story&lt;/</code><code>b</code><code>&gt;&lt;/</code><code>p</code><code>&gt;</code> <code>&nbsp;&nbsp;&nbsp;&nbsp;</code>&nbsp; <code>&lt;</code><code>p</code>&nbsp;<code>class="story"&gt;Once&nbsp;upon&nbsp;a&nbsp;time&nbsp;there&nbsp;were&nbsp;three&nbsp;little&nbsp;sisters;&nbsp;and&nbsp;their&nbsp;names&nbsp;were</code> <code>http://example.com/elsie"&nbsp;class="sister"&nbsp;id="link1"&gt;Elsie,</code> <code>http://example.com/lacie"&nbsp;class="sister"&nbsp;id="link2"&gt;Lacie&nbsp;and</code> <code>http://example.com/tillie"&nbsp;class="sister"&nbsp;id="link3"&gt;Tillie;</code> <code>and&nbsp;they&nbsp;lived&nbsp;at&nbsp;the&nbsp;bottom&nbsp;of&nbsp;a&nbsp;well.&lt;/</code><code>p</code><code>&gt;</code> <code>&nbsp;&nbsp;&nbsp;&nbsp;</code>&nbsp; <code>&lt;</code><code>p</code>&nbsp;<code>class="story"&gt;...&lt;/</code><code>p</code><code>&gt;</code> <code>&lt;/</code><code>html</code><code>&gt;</code> </td> 
 </tr> 
 </tbody> 
</table>

下面我们开始用bs4库解析这一段html网页代码。

<table> 
 <tbody> 
 <tr> 
 <td> 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 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 </td> 
 <td> <code>#导入bs4模块</code> <code>from&nbsp;bs4&nbsp;import&nbsp;BeautifulSoup</code> <code>#做一个美味汤</code> <code>soup&nbsp;=&nbsp;BeautifulSoup(html，'html.parser')</code> <code>#输出结果</code> <code>print(soup.prettify())</code> <code>&nbsp;&nbsp;&nbsp;&nbsp;</code>&nbsp; <code>'''</code> <code>OUT:</code> <code>&nbsp;&nbsp;&nbsp;&nbsp;</code>&nbsp; <code>#&nbsp;&lt;</code><code>html</code><code>&gt;</code> <code>#&nbsp;&nbsp;&lt;</code><code>head</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&lt;</code><code>title</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;The&nbsp;Dormouse's&nbsp;story</code> <code>#&nbsp;&nbsp;&nbsp;&lt;/</code><code>title</code><code>&gt;</code> <code>#&nbsp;&nbsp;&lt;/</code><code>head</code><code>&gt;</code> <code>#&nbsp;&nbsp;&lt;</code><code>body</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&lt;</code><code>p</code>&nbsp;<code>class="title"&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&lt;</code><code>b</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;The&nbsp;Dormouse's&nbsp;story</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&lt;/</code><code>b</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&lt;/</code><code>p</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&lt;</code><code>p</code>&nbsp;<code>class="story"&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;Once&nbsp;upon&nbsp;a&nbsp;time&nbsp;there&nbsp;were&nbsp;three&nbsp;little&nbsp;sisters;&nbsp;and&nbsp;their&nbsp;names&nbsp;were</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&lt;</code><code>a</code>&nbsp;<code>class="sister"&nbsp;href="http://example.com/elsie"&nbsp;id="link1"&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Elsie</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&lt;/</code><code>a</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;,</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&lt;</code><code>a</code>&nbsp;<code>class="sister"&nbsp;href="http://example.com/lacie"&nbsp;id="link2"&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Lacie</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&lt;/</code><code>a</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;and</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&lt;</code><code>a</code>&nbsp;<code>class="sister"&nbsp;href="http://example.com/tillie"&nbsp;id="link2"&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Tillie</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;&lt;/</code><code>a</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;;&nbsp;and&nbsp;they&nbsp;lived&nbsp;at&nbsp;the&nbsp;bottom&nbsp;of&nbsp;a&nbsp;well.</code> <code>#&nbsp;&nbsp;&nbsp;&lt;/</code><code>p</code><code>&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&lt;</code><code>p</code>&nbsp;<code>class="story"&gt;</code> <code>#&nbsp;&nbsp;&nbsp;&nbsp;...</code> <code>#&nbsp;&nbsp;&nbsp;&lt;/</code><code>p</code><code>&gt;</code> <code>#&nbsp;&nbsp;&lt;/</code><code>body</code><code>&gt;</code> <code>#&nbsp;&lt;/</code><code>html</code><code>&gt;</code> <code>'''</code> </td> 
 </tr> 
 </tbody> 
</table>

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

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<a>标签的链接:

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 </td> 
 <td> <code>#发现了没有，find_all方法返回的是一个可以迭代的列表for&nbsp;link&nbsp;in&nbsp;soup.find_all('a'):</code> <code>&nbsp;&nbsp;&nbsp;&nbsp;</code><code>print(link.get('href'))&nbsp;&nbsp;&nbsp;&nbsp;#&nbsp;http://example.com/elsie</code> <code>&nbsp;&nbsp;&nbsp;&nbsp;</code><code>#&nbsp;http://example.com/lacie</code> <code>&nbsp;&nbsp;&nbsp;&nbsp;</code><code>#&nbsp;http://example.com/tillie</code> </td> 
 </tr> 
 </tbody> 
</table>

从文档中获取所有文字内容:

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 </td> 
 <td> <code>#我们可以通过get_text&nbsp;方法&nbsp;快速得到源文件中的所有text内容。</code> <code>print(soup.get_text())</code> <code>#&nbsp;The&nbsp;Dormouse's&nbsp;story</code> <code>#</code> <code>#&nbsp;The&nbsp;Dormouse's&nbsp;story</code> <code>#</code> <code>#&nbsp;Once&nbsp;upon&nbsp;a&nbsp;time&nbsp;there&nbsp;were&nbsp;three&nbsp;little&nbsp;sisters;&nbsp;and&nbsp;their&nbsp;names&nbsp;were</code> <code>#&nbsp;Elsie,</code> <code>#&nbsp;Lacie&nbsp;and</code> <code>#&nbsp;Tillie;</code> <code>#&nbsp;and&nbsp;they&nbsp;lived&nbsp;at&nbsp;the&nbsp;bottom&nbsp;of&nbsp;a&nbsp;well.</code> </td> 
 </tr> 
 </tbody> 
</table>

**最后注意：**光理论是不够的。这里顺便免费送大家一套2020最新python入门到高级项目实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，还可以跟老司机交流讨教！  
本文的文字及图片来源于网络加上自己的想法,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly93d3cueWh0Ny5jb20vdXBsb2FkL2ltYWdlLzIwMjAwMTE0LzVkMjk0NzI0MTZjNzgzNDcuanBn?x-oss-process=image/format,png
[a09ef4f32c6ca5ee33a7b862b5f782b.png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly93d3cueWh0Ny5jb20vdXBsb2FkL2ltYWdlLzIwMjAwMTE0LzE1NjI5ODYzODg1MjU0MjgucG5n?x-oss-process=image/format,png