BeautifulSoup就是Python的一个HTML或XML的解析库，可以用它来方便地从网页中提取数据。官方解释如下：
Beautiful Soup提供一些简单的、Python式的函数来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。
Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为UTF-8编码。你不需要考虑编码方式，除非文档没有指定一个编码方式，这时你仅仅需要说明一下原始编码方式就可以了。
Beautiful Soup已成为和lxml、html6lib一样出色的Python解释器，为用户灵活地提供不同的解析策略或强劲的速度。
所以说，利用它可以省去很多烦琐的提取工作，提高了解析效率。
一、模块安装
使用之前，需要确保已经安装好了BeautifulSoup和lxml模块。
pip install beautifulsoup4 lxml
二、解析器选择
Beautiful Soup在解析时实际上依赖解析器，它除了支持Python标准库中的HTML解析器外，还支持一些第三方解析器（比如lxml）。下表为BeautifulSoup支持的解析器：
| 解析器 | 使用方法 | 优势 | 劣势 |
|---|---|---|---|
| Python标准库 |
| Python的内置标准库、执行速度适中、文档容错能力强 | Python 2.7.3及Python 3.2.2之前的版本文档容错能力差 |
| lxml HTML解析器 |
| 速度快、文档容错能力强 | 需要安装C语言库 |
| lxml XML解析器 |
| 速度快、唯一支持XML的解析器 | 需要安装C语言库 |
| html5lib |
| 最好的容错性、以浏览器的方式解析文档、生成HTML5格式的文档 | 速度慢、不依赖外部扩展 |
通过以上对比可以看出，lxml解析器有解析HTML和XML的功能，而且速度快，容错能力强，所以推荐使用它。
如果使用lxml，那么在初始化Beautiful Soup时，可以把第二个参数改为lxml即可：
from bs4 import BeautifulSoupsoup = BeautifulSoup('Hello
', 'lxml')print(soup.p.string) 三、基本用法
from bs4 import BeautifulSoupimport requests, rereq_obj = requests.get('https://www.baidu.com')soup = BeautifulSoup(req_obj.text, 'lxml')'''标签查找'''print(soup.title) # 只是查找出第一个print(soup.find('title')) # 效果和上面一样print(soup.find_all('div')) # 查出所有的div标签'''获取标签里的属性'''tag = soup.divprint(tag['class']) # 多属性的话，会返回一个列表print(tag['id']) # 查找标签的id属性print(tag.attrs) # 查找标签所有的属性，返回一个字典（属性名：属性值）'''标签包的字符串'''tag = soup.titleprint(tag.string) # 获取标签里的字符串tag.string.replace_with("哈哈") # 字符串不能直接编辑，可以替换'''子节点的操作'''tag = soup.headprint(tag.title) # 获取head标签后再获取它包含的子标签'''contents 和 .children'''tag = soup.bodyprint(tag.contents) # 将标签的子节点以列表返回print([child for child in tag.children]) # 输出和上面一样'''descendants'''tag = soup.body[print(child_tag) for child_tag in tag.descendants] # 获取所有子节点和子子节点'''strings和.stripped_strings'''tag = soup.body[print(str) for str in tag.strings] # 输出所有所有文本内容[print(str) for str in tag.stripped_strings] # 输出所有所有文本内容，去除空格或空行'''.parent和.parents'''tag = soup.titleprint(tag.parent) # 输出便签的父标签[print(parent) for parent in tag.parents] # 输出所有的父标签'''.next_siblings 和 .previous_siblings 查出所有的兄弟节点''''''.next_element 和 .previous_element 下一个兄弟节点''''''find_all的keyword 参数'''soup.find_all(id='link2') # 查找所有包含 id 属性的标签soup.find_all(href=re.compile("elsie")) # href 参数,Beautiful Soup会搜索每个标签的href属性:soup.find_all(id=True) # 找出所有的有id属性的标签soup.find_all(href=re.compile("elsie"), id='link1') # 也可以组合查找soup.find_all(attrs={ "属性名": "属性值"}) # 也可以通过字典的方式查找 更多详细使用可参考：