本文转载：https://xiaochuhe.blog.csdn.net/article/details/123368545
一、概述
Beautiful Soup （简称bs4）是一个可以从HTML或XML文件中提取数据的Python库。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。
注：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。所以仅仅只需要说明一下原始编码方式就可以。
二、数据解析
数据解析就是将爬取到的整个页面中的局部的内容进行提取。
python中常用的数据解析方式有以下三种：
bs4（python中独有的）
xpath（推荐，通用型强）
正则
bs4数据解析原理
实例化一个BeautifulSoup对象，并且将页面源码数据加载到该对象中。而将页面源码数据加载到该对象中有两种方式，一种是将本地得html文档加载，另一种是将互联网上获取的页面源码加载
通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取。
三、Beautiful Soup用法
举例说明：
html文件代码：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>爬虫的一天</title>
</head>
<body>
<p class="a1" name="content1">
<b>今天写一篇博客！</b>
</p>
<p class="a2" name="content2">
<h3>什么！！！</h3>
你现在就要看？算了，给你链接自己去看吧！
<a class="a3" href="http://www.xiaofeng.press/">
点开就可以看到博客哦！
</a>
</p>
</body>
</html>
python实例说明代码：
html ='''<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>爬虫的一天</title>
</head>
<body>
<p class="a1" name="content1">
<b>今天写一篇博客！</b>
</p>
<p class="a2" name="content2">
<h3>什么！！！</h3>
你现在就要看？算了，给你链接自己去看吧！
<a class="a3" href="http://www.xiaofeng.press/">
点开就可以看到博客哦！
</a>
</p>'''
from bs4 import BeautifulSoup
creep = BeautifulSoup(html,'lxml')#使用lxml解析库
#print (soup.prettify())#格式化代码，可以自动补全
print (creep.title.string)#输出网页title标签内容
print (creep.title)
print (type(creep.title))
print (creep.head) #输出网页head标签全部内容
print (creep.p) #这种方式只会输出第一个p标签
print (creep.title.name)#获取title标签名
print (creep.p['name'])#获取p标签中name的属性值
print (creep.p.attrs['name'])#获取p标签中name的属性值
print (creep.head.title.string)#嵌套输出网页title标签内容
print (creep.p.contents)#以列表形式输出第一个p标签的子节点和内容
输出结果：
