Beautiful Soup 是一个处理Python HTML/XML的模块，功能相当强劲，最近仔细的看了一下他的帮助文档，终于看明白了一些。准备好好研究一下，顺便将Beautiful Soup的一些用法整理一下，放到这个wiki上面，那个文档确实不咋地。
Beautiful Soup 中文教程的官方页面：http://www.crummy.com/software/BeautifulSoup/
下载地址为：
http://www.crummy.com/software/BeautifulSoup/
安装其实很简单，BeautifulSoup只有一个文件，只要把这个文件拷到你的工作目录，就可以了。
from BeautifulSoup import BeautifulSoup # For processing HTMLfrom BeautifulSoup import BeautifulStoneSoup # For processing XMLimport BeautifulSoup # To get everything
BeautifulSoup对象需要一段html文本就可以创建了。
下面的代码就创建了一个BeautifulSoup对象：
from BeautifulSoup import BeautifulSoupdoc = ['<html><head><title>PythonClub.org</title></head>', '<body><p id="firstpara" align="center">This is paragraph <b>one</b> of ptyhonclub.org.', '<p id="secondpara" align="blah">This is paragraph <b>two</b> of pythonclub.org.', '</html>']soup = BeautifulSoup(''.join(doc))
BeautifulSoup可以直接用”.”访问指定HTML元素
可以用 soup.html.head.title 得到title的name，和字符串值。
>>> soup.html.head.title<title>PythonClub.org</title>>>> soup.html.head.title.nameu'title'>>> soup.html.head.title.stringu'PythonClub.org'>>>
也可以直接通过soup.title直接定位到指定HTML元素:
>>> soup.title<title>PythonClub.org</title>>>>
下面的例子给出了查找含有”para”的html tag内容：
>>> soup.findAll(text=re.compile("para"))[u'This is paragraph ', u'This is paragraph ']>>> soup.findAll(text=re.compile("para"))[0].parent<p id="firstpara" align="center">This is paragraph <b>one</b> of ptyhonclub.org.</p>>>> soup.findAll(text=re.compile("para"))[0].parent.contents[u'This is paragraph ', <b>one</b>, u' of ptyhonclub.org.']
soup.findAll(id=re.compile("para$"))# [<p id="firstpara" align="center">This is paragraph <b>one</b>.</p>,# <p id="secondpara" align="blah">This is paragraph <b>two</b>.</p>] soup.findAll(attrs={'id' : re.compile("para$")})# [<p id="firstpara" align="center">This is paragraph <b>one</b>.</p>,# <p id="secondpara" align="blah">This is paragraph <b>two</b>.</p>]
联系客服
