基本简介

1.BeautifulSoup简称：bs4
2.什么是BeatifulSoup？
BeautifulSoup，和lxml一样，是一个html的解析器，主要功能也是解析和提取数据
3.优缺点？

缺点：效率没有lxml的效率高
优点：接口设计人性化，使用方便

2.安装以及创建
1.安装 pip install bs4
2.导入 from bs4 import BeautifulSoup
3.创建对象

服务器响应的文件生成对象

soup = BeautifulSoup(response.read().decode(), 'lxml')

本地文件生成对象

soup = BeautifulSoup(open('1.html'), 'lxml')

注意：默认打开文件的编码格式gbk所以需要指定打开编码格式

通过解析本地文件来将bs4的基础语法进行讲解默认打开的文件的编码格式是gbk 所以在打开文件的时候需要指定编码

soup = BeautifulSoup(open('075_尚硅谷_爬虫_解析_bs4的基本使用.html',encoding='utf-8'),'lxml')

根据标签名查找节点

根据标签名查找节点
print(soup.a) #找到的是第一个符合条件的数据
获取标签的属性和属性值
print(soup.a.attrs)

bs4的一些函数

（1）find

返回的是第一个符合条件的数据
 print(soup.find('a'))
 根据title的值来找到对应的标签对象
 print(soup.find('a',title="a2"))
 根据class的值来找到对应的标签对象  注意的是class需要添加下划线
 print(soup.find('a',class_="a1"))

（2）find_all

返回的是一个列表 并且返回了所有的a标签
print(soup.find_all('a'))
如果想获取的是多个标签的数据 那么需要在find_all的参数中添加的是列表的数据
print(soup.find_all(['a','span']))
limit的作用是查找前几个数据
print(soup.find_all('li',limit=2))

（3）select（推荐）

select方法返回的是一个列表  并且会返回多个数据
print(soup.select('a'))
可以通过.代表class  我们把这种操作叫做类选择器
print(soup.select('.a1'))
print(soup.select('#l1'))
属性选择器---通过属性来寻找对应的标签
查找到li标签中有id的标签
print(soup.select('li[id]'))
查找到li标签中id为l2的标签
print(soup.select('li[id="l2"]'))

层级选择器

后代选择器
找到的是div下面的li
print(soup.select('div li'))

子代选择器

某标签的第一级子标签
print(soup.select('div > ul > li'))
注意：很多的计算机编程语言中 如果不加空格不会输出内容  但是在bs4中 不会报错 会显示内容
找到a标签和li标签的所有的对象
print(soup.select('a,li'))

节点信息

获取节点内容
obj = soup.select('#d1')[0]
如果标签对象中 只有内容 那么string和get_text()都可以使用
如果标签对象中 除了内容还有标签 那么string就获取不到数据 而get_text()是可以获取数据
我们一般情况下  推荐使用get_text()
print(obj.string)
print(obj.get_text())

节点的属性

 obj = soup.select('#p1')[0]
 name是标签的名字
 print(obj.name)
 将属性值左右一个字典返回
 print(obj.attrs)

获取节点的属性

obj = soup.select('#p1')[0]
print(obj.attrs.get('class'))
print(obj.get('class'))
print(obj['class'])

bs4爬取星巴克数据



import urllib.request

url = 'https://www.starbucks.com.cn/menu/'

response = urllib.request.urlopen(url)

content = response.read().decode('utf-8')


from bs4 import BeautifulSoup

soup = BeautifulSoup(content,'lxml')

# //ul[@class="grid padded-3 product"]//strong/text()
name_list = soup.select('ul[class="grid padded-3 product"] strong')

for name in name_list:
    print(name.get_text())