最新再在做html网页文档解析相关工作，用到了BeautifulSoup，用于提取网页数据，现在简单做个总结。
BeautifulSoup又称bs4，是编写 python 爬虫常用库之一，主要用来解析 html 标签。
一、初始化
pip install bs4
from bs4 import BeautifulSoup
soup = BeautifulSoup("<html>A Html Text</html>", "html.parser")
两个参数：第一个参数是要解析的html文本，第二个参数是使用那种解析器，对于HTML来讲就是html.parser，这个是bs4自带的解析器。
如果一段HTML或XML文档格式不正确的话，那么在不同的解析器中返回的结果可能是不一样的。
格式化输出
soup.prettify() # prettify 有括号和没括号都可以
二、基本使用
from bs4 import BeautifulSoup
# 构造一个网页数据
html_doc = """
<html>
<head>
<title>The Dormouse's story</title>
</head>
<body>
<p class="title">
<b>The Dormouse's story</b>
</p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a>
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>
and they lived at the bottom of a well.</p>
<p class="story">...</p>
</body>
</html>
"""
2.1 获取标签
res = BeautifulSoup(html_doc, 'lxml')
print(res.a)
2.2 获取标签内文本
print(res.a.text)
2.3 获取标签内属性
print(res.a.attrs)
2.4 获取指定属性值
print(res.a.attrs.get('href'))
print(res.a.get('href'))
2.5 获取子节点
for i in res.p.children:
print(i)
2.6 获取标签内部所有的元素
print(res.p.contents)
2.7 获取标签的父标签
print(res.p.parent)
2.8 获取最上级节点
for i in res.p.parents:
print(i)
三、bs4核心库
3.1 find
只能找符合条件的第一个 该方法的返回结果是一个标签对象
3.1.1 查找指定标签名的标签 默认只找符合条件的第一个
print(res.find(name='p'))
3.1.2 查找具有某个特定属性的标签 默认只找符合条件的第一个
print(res.find(name='p', id='title'))
3.1.3 为了解决关键字冲突 会加下划线区分
print(res.find(name='p', class_='title'))
3.1.4 使用attrs参数 直接避免冲突
print(res.find(name='p', attrs={'class': 'title'}))
3.2 find_all
查找所有符合条件的标签 该方法的返回结果是一个列表。
3.2.1 查询某一个标签，查找的结果是一个列表
print(res.find_all('a'))
以上就是bs4的使用小结！