bs4 的使用
- bs4 就是Beautiful Soup 的简称，这是一个工具箱，通过解析文档为用户提供需要抓取的数据，
- 使用这个不需要在编码的上面考虑，他会自动转换为utf-8编码。
- 但是使用这个的前提的就是网页是完整的，但是现在的网页大多规范化，所以都是可以用的
- 官网： http://beautifulsoup.readthedocs.io/zh_CN/latest/
- bs4 必须使用一种解析器，如果你没有安装其他的HTML解析器，他会默认使用自带的解析器，但是lxml 解析器更加强大，速度更快，推荐安装
- 对于 四种解析器的对比
| 解析器 | 使用方法 | 优势 | 劣势 |
|---|---|---|---|
| Python标准库 | BeautifulSoup(markup, “html.parser”) | 1. Python的内置标准库 2. 执行速度适中 3.文档容错能力强 | Python 2.7.3 or 3.2.2)前 的版本中文档容错能力差 |
| lxml HTML 解析器 | BeautifulSoup(markup, “lxml”) | 1. 速度快 2.文档容错能力强 | 需要安装C语言库 |
| lxml XML 解析器 | BeautifulSoup(markup, [“lxml”, “xml”]) BeautifulSoup(markup, “xml”) | 1. 速度快 2.唯一支持XML的解析器 3.需要安装C语言库 | |
| html5lib | BeautifulSoup(markup, “html5lib”) | 1. 最好的容错性 2.以浏览器的方式解析文档 3.生成HTML5格式的文档 4.速度慢 | 不依赖外部扩展 |
想要学习Python？Python学习交流群：973783996满足你的需求，资料都已经上传群文件，可以自行下载！
对于bs4 有四大对象种类
- Tag
- navigableString
- BeautifulSoup
- Comment
更加细致的编写的方法，可以去官网查看