LXML库

BeautifulSoup4 CSS选择器

几个常用提取信息工具的比较：
- 正则：很快，不好用，不需安装
- beautifulsoup：慢，使用简单，安装简单
- lxml：比较慢，使用简单，安装一般
四大对象
- Tag
  - 对应Html中的标签
  - 可以通过soup.tag_name
  - tag两个重要属性
    - name
    - attrs
- Navigablestring
  - 获取标签内部的文字
- BeautifulSoup
  - 表示的是一个文档的内容，大部分可以把它当做tag对象
- Comment
  - 特殊类型的Navigablestring对象
  - 对其输出不包括注释符号
- 遍历文档对象
  - contents：tag的子节点以列表的方式输出
  - children：子节点以迭代形式返回
  - descendants：所有子孙节点
  - string
- 搜索文档对象
  - find_all(name,attrs,recursive,text,**kwargs)
    - name：按照哪个字符串搜索，可以传入的内容为
      - 字符串
      - 正则表达式
      - 列表
    - keyword参数，可以用来表示属性
    - text：对应tag文档的值
CSS选择器
- 使用soup.select，返回一个列表
- 通过标签名：soup.select("title")
- 通过类名：soup.select(".content")
- id查找：soup.select("#name_id")
- 组合查找：soup.select("div #input_content")
- 属性查找：soup.select("img[class='photo']")
- 获取tag内容：tag.get_text