数据爬虫（五）：爬虫BeautifulSoup库的基本使用

正则表达式的使用容易理解，但是要求匹配的的语法精度高，在匹配时，不能出现一点错误，如果错误就会匹配失败。我自己在写爬虫的时候就出现的这样的情况，一个关于爬取猫眼电影的爬虫，爬取的内容不多不少：

后面找到了一个笨方法：我匹配一个运行一次，这样能保证准确率，但是对于大型爬虫自然就不能见效了（大型爬虫我相信很少使用正则），今天介绍一个比正则强大的解析库 —— Beautiful Soup

一、Beautiful Soup的简介

官方解释：

Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。

Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。你不需要考虑编码方式，除非文档没有指定一个编码方式，这时，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。

Beautiful Soup已成为和lxml、html6lib一样出色的python解释器，为用户灵活地提供不同的解析策略或强劲的速度。

二、安装BeautifulSoup

Beautiful Soup 3 目前已经停止开发，推荐在现在的项目中使用Beautiful Soup 4，不过它已经被移植到BS4了，也就是说导入时我们需要 import bs4 。所以这里我们用的版本是 Beautiful Soup 4.3.2 (简称BS4)，另外据说 BS4 对 Python3 的支持不够好，不过我用的是 Python2.7.7，如果有小伙伴用的是 Python3 版本，可以考虑下载 BS3 版本。

安装方法：

1	easy_install beautifulsoup4

1	pip install beautifulsoup

另一个可供选择的解析器是纯