创新互联www.cdcxhl.cn八线动态BGP香港云服务器提供商，新人活动买多久送多久，划算不套路！
公司主营业务：
网站设计制作、成都网站建设、移动网站开发等业务。帮助企业客户真正实现互联网宣传，提高企业的竞争能力。
创新互联公司是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化，感谢他们对我们的高要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。
创新互联公司推出
河津免费做网站回馈大家。
这篇文章将为大家详细讲解有关bs4库解析器怎么使用，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
bs4库之所以能快速的定位我们想要的元素，是因为它能够用一种方式将html文件解析了一遍 ，不同的解析器有不同的效果。
bs4解析器的选择
网络爬虫的最终目的就是过滤选取网络信息，最重要的部分可以说是解析器。解析器的优劣决定了爬虫的速度和效率。bs4库除了支持我们上文用过的‘html.parser’解析器外，还支持很多第三方的解析器，下面我们来对他们进行对比分析。
bs4库官方推荐我们使用的是lxml解析器，原因是它具有更高的效率，所以我们也将采用lxml解析器。
lxml解析器的安装：
依旧采用pip安装工具来安装：
pip install lxml
使用lxml解析器来解释网页
我们以爱丽丝文档 为例子
html_doc = """
The Dormouse's story
The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie,
Lacie and
Tillie;
and they lived at the bottom of a well.
...
"""
尝试一下
import bs4
#首先我们先将html文件已lxml的方式做成一锅汤
soup = bs4.BeautifulSoup(open('Beautiful Soup 爬虫/demo.html'),'lxml')
#我们把结果输出一下，是一个很清晰的树形结构。
#print(soup.prettify())
'''
OUT:
The Dormouse's story
The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie
,
Lacie
and
Tillie
;
and they lived at the bottom of a well.
...
'''如何具体的使用？
bs4 库首先将传入的字符串或文件句柄转换为 Unicode的类型，这样，我们在抓取中文信息的时候，就不会有很麻烦的编码问题了。当然，有一些生僻的编码 如：‘big5’，就需要我们手动设置编码：
soup = BeautifulSoup(markup, from_encoding="编码方式")
对象的种类：
bs4 库将复杂的html文档转化为一个复杂的树形结构，每个节点都是Python对象 ，所有对象可以分为以下四个类型：Tag , NavigableString , BeautifulSoup , Comment
我们来逐一解释：
Tag： 和html中的Tag基本没有区别，可以简单上手使用
NavigableString： 被包裹在tag内的字符串
BeautifulSoup： 表示一个文档的全部内容，大部分的时候可以吧他看做一个tag对象，支持遍历文档树和搜索文档树方法。
Comment：这是一个特殊的NavigableSting对象，在出现在html文档中时，会以特殊的格式输出，比如注释类型。
搜索文档树的最简单的方法就是搜索你想获取tag的的name：
soup.head
# The Dormouse's story
soup.title
# The Dormouse's story
如果你还想更深入的获得更小的tag：例如我们想找到body下的被b标签包裹的部分
soup.body.b
# The Dormouse's story
但是这个方法只能找到按顺序第一个出现的tag
获取所有的标签呢？
这个时候需要find_all()方法，他返回一个列表类型
tag=soup.find_all('a')
# [Elsie,
# Lacie,
# Tillie]
#假设我们要找到a标签中的第二个元素：
need = tag[1]tag的.contents属性可以将tag的子节点以列表的方式输出：
head_tag = soup.head
head_tag
# The Dormouse's story
head_tag.contents
[The Dormouse's story]
title_tag = head_tag.contents[0]
print(title_tag)
# The Dormouse's story
title_tag.contents
# [u'The Dormouse's story']
另外通过tag的 .children生成器，可以对tag的子节点进行循环：
for child in title_tag.children:
print(child)
# The Dormouse's story
这种方式只能遍历出子节点。如何遍历出子孙节点呢？
子孙节点：比如 head.contents 的子节点是
The Dormouse's story,这里 title本身也有子节点：‘The Dormouse‘s story’ 。这里的‘The Dormouse‘s story’也叫作head的子孙节点
for child in head_tag.descendants:
print(child)
# The Dormouse's story
# The Dormouse's story
如何找到tag下的所有的文本内容呢？
1、如果该tag只有一个子节点（NavigableString类型）：直接使用tag.string就能找到。
2、如果tag有很多个子、孙节点，并且每个节点里都string：
我们可以用迭代的方式将其全部找出：
for string in soup.strings:
print(repr(string))
# u"The Dormouse's story"
# u'\n\n'
# u"The Dormouse's story"
# u'\n\n'
# u'Once upon a time there were three little sisters; and their names were\n'
# u'Elsie'
# u',\n'
# u'Lacie'
# u' and\n'
# u'Tillie'
# u';\nand they lived at the bottom of a well.'
# u'\n\n'
# u'...'
# u'\n'
关于bs4库解析器怎么使用就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
文章名称：bs4库解析器怎么使用-创新互联
网站路径：
http://kswjz.com/article/digjjg.html
