共计 1318 个字符，预计需要花费 4 分钟才能阅读完成。
BeautifulSoup 是 Python 包里最有名的 HTML parser 分解工具之一。简单易用
安装：
pip install beautifulsoup4
注意大小写，而且不要安装 BeautifulSoup，因为 BeautifulSoup 代表 3.0，已经停止更新。
常用语法
参考我之前的文章：BeautifulSoup：一些常用功能的使用和测试
# 创建实例
soup = BeautifulSoup(html, ‘html5lib’)
选择器
根据不同的网页，选择器的使用会很不同：
绝大部分下使用 CSS 选择器 select() 就足够了
如果按照标签属性名查找，而属性名中有 - 等特殊字符，那么就只能使用 find() 选择器了。
# 最佳选择器: CSS 选择器（返回 tag list）
results = soup.select(‘div[class*=hello_world] ~ div’)
for tag in results:
print(tag.string) #print the tag’s html string
# print(tag.get_text()) #print its inner text
# 单 TAG 精确选择器：返回单个 tag.
tag = soup.find(‘div’, attrs={‘class’: ‘detail-block’})
print(tag.get_text())
# 多 Tag 精确选择器: 返回的是 text，不是 tag
results = soup.find_all(‘div’, attrs={‘class’: ‘detail-block’})
# 多 class 选择器 (标签含有多个 Class)，重点是 ”class*=”
results = soup.select(‘div[class*=hello_world] ~ div’)
获取值
tag = soup.find(‘a’)
# 只获取标签的文本内容
text = tag.get_text()
# 获取标签的全部内容 (如 <a href=’sdfj’> asdfa</a>)
s = tag.string
# 获取标签的属性
link = tag[‘href’]
修改值
参考：Beautiful Soup（四）– 修改文档树
tag = soup.find(‘a’, attrs={‘class’: ‘detail-block’})
# 修改属性
tag[‘href’] = ‘https://google.com’
# 修改内容 <tag>..</tag> 中间的内容
tag.string = ‘New Content’
# 删除属性
del tag[‘class’]
对象类型
在我们使用选择器搜索各类 tag 标签时，BeautifulSoup 会根据使用的函数而返回不同类型的变量。而不同的变量的使用方法也需要注意。
Tag 类型（<class ‘bs4.element.Tag’>）:
tag.string
tag.get_text()
可遍历字符串类型（bs4.element.NavigableString）:
Comment 类型（<class ‘bs4.element.Comment’>）:
增删改标签
参考：使用 BeautifulSoup 改变网页内容
# 修改标签内容
tag = soup.find(‘title’)
tag.string = ‘New Title’
