2025年bs4库使用（bs4库是什么）

科技前沿 • 2025-04-16 18:33 • 阅读 42

大家好，我是讯享网，很高兴认识大家。

                <p>bs4也就是beautifulsoup4&#xff0c;是python解析html文件的一个好用的第三方库&#xff0c;常被用于爬虫。</p>

讯享网

一、bs4的安装

讯享网

阿里国内源安装：

二、bs4解析器

讯享网

其中resp.text是得到的html文件，html.parser是python内置的html解析器，如果没有填写这个参数，会默认这个解析器。

bs4还支持一些第三方解析器：

解析器使用方法优势劣势Python标准库BeautifulSoup(html,’html.parser’)Python内置标准库；执行速度快在python2.7.3和3.2.2之前的版本中文档容错能力差lxml html解析器（需要额外导入）BeautifulSoup(html,’lxml’)速度快；容错能力强需要安装C语言库lxml XML解析器（需要额外导入）BeautifulSoup(html,[‘lxml’,’xml’])或BeautifulSoup(html,’xml’)唯一支持解析xml需要安装C语言库htm5libBeautifulSoup(html,’htm5llib’)以浏览器方式解析，最好的容错性，生成html5速度慢

三、bs4对html文件的处理

BeautifulSoup4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:

（1）Tag
（2）NavigableString
（3）BeautifulSoup
（4）Comment

（1）Tag ： Tag通俗点讲就是HTML中的一个个标签，例如：

我们可以利用 soup 加标签名轻松地获取这些标签的内容，这些对象的类型是 bs4.element.Tag。
但是注意，它查找的是在所有内容中的第一个符合要求的标签。

对于 Tag，它有两个重要的属性，是 name 和 attrs：

讯享网

（2）NavigableString：获取标签内部的文字用 .string 即可，例如：

（3）BeautifulSoup：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，我们可以分别获取它的类型，名称，以及属性，例如：

讯享网

（4）Comment：是一个特殊类型的 NavigableString 对象，其输出的内容不包括注释符号。

四、遍历文档树

（1）.contents：获取Tag的所有子节点，返回一个list

讯享网

（2）.children：获取Tag的所有子节点，返回一个生成器

五、搜索文档树

1. find_all(name, attrs, recursive, text, kwargs)

（1）name参数：

字符串过滤：会查找与字符串完全匹配的内容

讯享网

讯享网

正则表达式过滤：如果传入的是正则表达式，那么BeautifulSoup4会通过search()来匹配内容

列表： 如果传入一个列表，BeautifulSoup4将会与列表中的任一元素匹配到的节点返回

讯享网

方法： 传入一个方法，根据方法来匹配

（2）kwargs参数：

讯享网

（3）attrs参数：

并不是所有的属性都可以使用上面这种方式进行搜索，比如HTML的data-*属性，我们可以使用attrs参数，定义一个字典来搜索包含特殊属性的tag：

（4）text参数：
通过text参数可以搜索文档中的字符串内容，与name参数的可选值一样。
text参数接受 字符串，正则表达式，列表

讯享网

（5）limit参数：
传入一个limit参数来限制返回的数量
例如下列放回数量为2

2.find（）
返回符合条件的第一个Tag
即当我们要取一个值的时候就可以用这个方法

讯享网

六、CSS选择器

（1）通过标签名查找

（2）通过类名查找

讯享网

（3）通过id查找

（4）组合查找

讯享网

（5）属性查找

（6）获取内容

讯享网