BeautifulSoup4CSS选择器总结

最新推荐文章于 2025-02-18 00:15:00 发布

厄祖

最新推荐文章于 2025-02-18 00:15:00 发布

阅读量738

点赞数 1

分类专栏： python 文章标签： python爬虫

本文链接：https://blog.youkuaiyun.com/weixin_43706473/article/details/100709351

版权

BeautifulSoup4CSS选择器

和 lxml 一样，Beautiful Soup 也是python的一个HTML/XML的解析器，用它可以方便的从网页中提取数据

lxml 只会局部遍历，而Beautiful Soup 是基于HTML DOM的，会载入整个文档，解析整个DOM树，
因此时间和内存开销都会大很多，所以性能要低于lxml。 BeautifulSoup 用来解析 HTML 比较简单，
API非常人性化，支持CSS选择器、Python标准库中的HTML解析器，也支持 lxml 的 XML解析器。
 Beautiful Soup 3 目前已经停止开发，推荐现在的项目使用Beautiful Soup 4。
 使用 pip 安装即可： pip install beautifulsoup4 官方文档：http://beautifulsoup.readthedocs.io/zh_CN/v4.4.0

Beautiful Soup支持的解析器

解析器	使用方法	优势
Python标准库	BeautifulSoup(markup,‘html.parser’)	Python的内置标准库、执行速度适中、文档容错能力强
lxml HTML解析器	BeautifulSoup(markup,‘lxml’)	速度快、文档容错能力强
lxml XML解析器	BeautifulSoup(markup,‘xml’)	速度快、唯一支持XML的解析器
html5lib	BeautifulSoup(markup,‘html5lib’)	最好的容错性、以浏览器的方式解析文档，生成HTML5的格式文档

四大对象种类

Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种:

Tag
NavigableString
BeautifulSoup
Comment

1.Tag：

Tag 通俗点讲就是 HTML 中的一个个标签，例如：

<head><title>The Dormouse's story</title></head> 
<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a> 
<p class="title" name="dromouse"><b>The Dormouse's story</b>