1.beautifulsoup4庫安裝

第一步：在控制臺輸入如下命令，安裝beautifulsoup4庫。

pip install beautifulsoup4

第三步：在pycharm中，點擊file——settings——project——python interpreter——點擊+號——搜索beautifulsoup4——install package！

這樣就可以在.py文件中導(dǎo)入模塊了！

2.beautifulsoup4庫使用

import requests
# 雖然庫名叫做beautiful4 但是在導(dǎo)入時 使用的是其縮寫bs4 其中BeautifulSoup是一個類名
from bs4 import BeautifulSoup

url = 'https://www.baidu.com/s?'
# 由于一般網(wǎng)站都是供用戶訪問 如果檢測到User-Agent是黑客或者其他可能拒絕訪問 故此處模擬瀏覽器
headers = {
? ? 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
# 以防亂碼 此處將其編碼設(shè)置為utf-8 因為有中文
response.encoding = 'utf-8'
# print(response.text)
# 使用的解析器是html.parser 注意是.奧
soup = BeautifulSoup(response.text, 'html.parser')
# 打印解析后的結(jié)果
print(soup.prettify())

需要講解的都在代碼注釋中了奧！

3.beautifulsoup4庫基本元素

beautifulsoup4庫是解析、遍歷、維護(hù)“標(biāo)簽樹”的功能庫。

首先來看BeautifulSoup庫解析器，前兩個比較常用！

在上述代碼的基礎(chǔ)上，增加如下幾行，結(jié)合基本元素的使用，可得到如圖所示。

需要注意的是，.string可以跨標(biāo)簽，所以很有可能結(jié)果也為注釋，為了區(qū)分是標(biāo)簽內(nèi)的字符串還是注釋，可以通過打印類型來判斷。

接下來，看一下BeautifulSoup庫的遍歷，其中畫紅框的迭代遍歷，可以用于for in循環(huán)中。

4.beautifulsoup4庫的HTML查找方法

find_all( name , attrs , recursive , string , **kwargs )

find_all() 方法搜索當(dāng)前tag的所有tag子節(jié)點,并判斷是否符合過濾器的條件。

name 參數(shù)可以對名字為 name 的標(biāo)簽進(jìn)行檢索。

attrs參數(shù)可以對標(biāo)簽屬性值為attrs的標(biāo)簽進(jìn)行檢索。

recursive參數(shù)表示是否對子孫全部檢索，默認(rèn)是TRUE，如果只想搜索當(dāng)前節(jié)點的兒子信息，可以置其為FALSE。

string 參數(shù)可以標(biāo)簽中的字符串內(nèi)容進(jìn)行檢索。

5.補充Json（Javascript Object Notation）

我們學(xué)過js的或者java的，應(yīng)該對Json不陌生吧！

Json是一種有類型的鍵值對！

需要注意的是，鍵和值都需要用"“括起來，如果值是整數(shù)，則可以不用”"！

如果值是多值，則可以用[,]；如果值是鍵值對，則可以用{:,:,}，可以嵌套使用。

JSON一般用于接口，而YAML是無類型鍵值對，一般用于配置文件。

到此這篇關(guān)于基于pycharm的beautifulsoup4庫使用方法教程的文章就介紹到這了,更多相關(guān)pycharm的beautifulsoup4庫使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論