17-用bs4模块解析HTML
12.5 用bs4模块解析HTML
Beautiful Soup 是一个模块，用于从HTML页面中提取信息（用于这个目的时，它比正则表达式好很多）。 Beautiful Soup 模块的名称是 bs4 （表示Beautiful Soup第4版）。要安装它，需要在命令行中运行 pip install beautifulsoup4 （关于安装第三方模块的指导，请查看附录 A）。虽然安装时使用的名字是 beautifulsoup4 ，但要导入它，就使用 import bs4 。
在本章中， Beautiful Soup 的例子将解析（即分析并识别其中的一些部分）硬盘上的一个HTML文件。在IDLE中打开一个新的文件编辑器窗口，输入以下代码，并保存为example.html，或者从异步社区本书对应页面下载它：
<!-- This is the example.html example file. -->
<html><head><title>The Website Title</title></head>
<body>
<p>Download my <strong>Python</strong> book from <a href="https://
inv">my website</a>.</p>
<p class="slogan">Learn Python the easy way! </p>
<p>By <span id="author">Al Sweigart</span></p>
</body></html>你可以看到，即使是一个简单的HTML文件，也包含许多不同的标签和属性。对于复杂的网站，事情很快就变得令人困惑。好在， Beautiful Soup 让处理HTML变得容易很多。