beautifulsoup 下载_beautiful love_beautifulsoup中文文档(2)

Python代码

frombeautifulsoupimportbeautifulsoup

sorry，ImportError，为什么会有这个import error，我都安装好了的。打开官网，重新看下说明，原来安装的是BeautifulSoup 4.1版本，这个import是3.x的说法。重新打开command，输入：

Python代码

import bs4

frombs4importBeautifulSoup

咦，没有输出提示。恭喜你，BeautifulSoup包引入成功。

看文上篇博客，，想试下dir命令，看看BeautifulSoup提供了哪些方法：

Python代码

dir(BeautifulSoup)

看到一堆的方法，有点头大，将方法列出来会方便看许多。

Python代码

>>>formethodindir(BeautifulSoup):

...printmethod

...

请仔细看下其中的findXxx，nextXxx，previousXxx方法，这些方法提供了html页面的遍历、回溯、查找、匹配功能；这些功能已经能够提供获取页面信息的方法了。

Python代码

>>>importurllib2

>>>page=urllib2.urlopen('http://.baidu.com')

>>>soup=BeautifulSoup(page)

>>>printsoup.title

>>>soup.title.string

看到结果显示不错，helloworld的教程让人心里真是舒服啊。

Python代码

>>>forlindinsoup.find_all('a'):

...printlind['href']

...

看到输出了吗？是不是很简单。beautifulsoup 下载

对于熟悉Jquery和CSS的同学，这种操作就是个折磨，需要不停的根据选择出来的结果进行遍历。看到上面的输出，看到有很多的#这些非正常的URL，现在想把这些URL全部过滤掉，使用select语法就很简单了。beautifulsoup 下载

Python代码

>>>forlinkinsoup.select('a[href^=http]'):

...printlink['href'];

...

有人说我根据判断出来的URL做处理不行嘛，当然可以，我这里只是想试下select的语法，至于select中的语法定义，大家可以自行度之。准确的说，这个select语法都能重新开篇文章了。

好吧，我承认后面这些URL过滤已经超出了BeautifulSoup的能力范围了，但是单纯考虑功能的话，这些都是要考虑的内容，这些疑问大家考虑下实现原理就行，如果能做进一步的学习的话，算是本文额外的功劳了。

下面简单过下BeautifulSoup的用法：

Python代码

DEFAULT_BUILDER_FEATURES

FORMATTERS

ROOT_TAG_NAME

STRIP_ASCII_SPACES：BeautifulSoup的内置属性

__call__

__class__

__contains__

__delattr__

__delitem__

__dict__

__doc__

__eq__

__format__

__getattr__

__getattribute__

__getitem__

__hash__

__init__

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-29971-2.html