BeautifulSoup是一种可以从html和xm l中快速提取内容的python库，共有四种类型，对于爬虫解析来说，主要用其中的遍历文档树和搜索文档树。

来自BeautifulSoup的官方的一个示例，使用的是HTML文本

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.

…

1.导入模块 from bs4import BeautifulSoup

2.创建beautifulsoup对象

beautifulobj = BeautifulSoup(html_doc)#

print(type(beautifulobj))#beautifulsoup’="">

print(beautifulobj.prettify())#打印按照lxm l格式的补全代码，太长，省略

说明：此处在创建对象时未指定解析器，默认使用的是python自带的解析器html.parse,原因在于新买的电脑安装lxm l模块时失败，官方推荐使用lxm l解析器，可通过

beautifulobj = BeautifulSoup(html_doc,“lxm l”)来指定lxm l解析器解析。

Python爬虫利器BeautifulSoup有四种类型，它们分别是Tag，BeautifulSoup，NavigableString，comment。

Tag类型即节点，比如HTML中的a标签、p标签等等，tag类型主要有两个属性，name和attributes属性，可通过.name和.attrs方法获取属性值，其中.attrs返回字典类型，并且如果是多值属性的话，其value是一个列表；也可通过[“href”]指定输出特定的属性值。

print(type(beautifulobj.a))#

print(beautifulobj.p.name)#p，这样的使用方式，我是懵的，自己都敲进去P标签了，感觉自己有点**

print(beautifulobj.p.attrs)#，返回一个字典，字典的value有可能是个list， {‘class’: [‘title’]}class是个多值属性

print(beautifulobj.p[“class”])#[‘title’],此处是个列表，如果不是多值属性，输出就是字符串

print(beautifulobj.a[“id”])#link1

BeautifulSoup类型是整个文档的根形式，一种特殊的Tag类型,支持遍历文档树和搜索文档树的大部分方法，但是没有name和attrs属性。

print(type(beautifulobj))#beautifulsoup’="">

NavigableString是tag中的字符串内容形式。

print(type(beautifulobj.p.string))#

comment是文档中的备注类型。

在使用.string时，可同样输出NavigableString和coment类型，如果获取特定的内容而又想与另一种类型区别对待时必须通过type来进行判断。

BeautifulSoup是爬虫必学的技能之一，大家可以多多了解。