BeautifulSoup简介

BeautifulSoup简介

介绍

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。
使用 pip 安装即可：pip install beautifulsoup4

bs四大对象

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对应 HTML 中的一个个标签
   Tag，它有两个重要的属性，是 name 和 attrs
   name是标签名，attrs是标签的属性
   注意：BeautifulSoup直接调用Tag，只会获得Html中第一个相应的Tag数据

2. NavigableString
   标签中的内容数据
   使用string属性获取该对象，例如：soup.p.string 获得bs中p标签的内容

3. BeautifulSoup
   BeautifulSoup 对象表示的是一个文档的内容。大部分时候,可以把它当作 Tag 对象，是一个特殊的 Tag，与Tag有相同的 name，attrs属性

4. Comment
   Comment 对象是一个特殊类型的 NavigableString 对象，其输出的内容不包括注释符号。
   实际就是如过内容中有注释符号，soup.p.st