最好的学习方法是教会他人
导言
前文中，经过requests请求，已经把网页的内容获取下来，接下来要做的就是解析这个页面，找到自己需要的信息。而Beautiful Soup库就是这样一个解析、遍历、维护“标签树”的功能库。
本文目录
1、Beautiful Soup安装与使用
2、bs4库的基本元素
3、bs4库的遍历功能
4、信息标记的三种形式及比较
5、信息提取的一般方法
1、Beautiful Soup安装与使用
安装：
pip install beautifulsoup4
Beautiful Soup库，也叫beautifulsoup4或bs4
约定引用方式如下，即主要是用BeautifulSoup类
from bs4 import BeautifulSoup
import bs4
运行以下代码，可以清晰的看出其差异：
import requests
from bs4 import BeautifulSoup
r = requests.get("https://www.baidu.com/")
demo = r.text
print(demo)
soup = BeautifulSoup(demo,'html.parser')
print(soup.prettify())
此处就不再贴图了。
2、bs4库的基本元素
网页信息的组织形式是HTML，也即标签树，而BeautifulSoup对应一个HTML/XML文档的全部内容。如下图所示。
BeautifulSoup可以对网页进行解析，其包含的解析器如下：
下面详细看看BeautifulSoup类的基本元素
Tag标签
任何存在于HTML语法中的标签都可以用soup.访问获得
当HTML文档中存在多个相同```对应内容时， soup.```返回第一个
Tag的name
每个```都有自己的名字，通过.name```获取，字符串类型
Tag的attrs
一个``````可以有0或多个属性，字典类型
Tag的NavigableString
标签内非属性字符串， <>…>中字符串，格式： .string
NavigableString可以跨越多个层次
标签内字符串的注释部分，一种特殊的Comment类型
更详细的代码示例文档，可以参考以下两个地方：
BS4 解析库的使用
标签的各种处理
总体思路就是对html进行解析，得到soup对象，进行各种属性、方法调用，干自己想干的事
3、bs4库的遍历功能
遍历是针对HTML而言。共有三种遍历方式，如下所示。
下行遍历方法：
遍历儿子节点
for child in soup.body.children:
print(child)
遍历孙子节点
for child in soup.body.descendants:
print(child)
上行遍历方法：
平行遍历方法：
需要注意的是，平行遍历发生在同一个父节点下的各个点间：
遍历方法总结：
4、信息标记的三种形式及比较
第一种形式：XML（eXtensible Markup Language）,即前面的以标签对形式出现的方式。
百度百科：XML
第二种形式：JSON（JavaScript Object Notation），以一种键值对的形式出现。
百度百科：JSON
第三种形式：YAML（YAML Ain't Markup Language）,一种无类型键值对，缩进表达所属关系等
百度百科：YAML
比较
XML：
最早的通用信息标记语言，可扩展性好，但繁琐。Internet上的信息交互与传递。
JSON：
信息有类型，适合程序处理(js)，较XML简洁。移动应用云端和节点的信息通信，无注释。
YAML：
信息无类型，文本信息比例最高，可读性好。各类系统的配置文件，有注释易读。
5、信息提取的一般方法
方法一：
完整解析，再提取关键信息。
需要标记解析器，如bs4库的标签对遍历。优点是信息解析准确，缺点是提取过程繁琐，速度慢。
方法二：
无视标记形式，直接搜索。提取快，但准确性打折扣。
方法三：
融合形式解析与搜索方法，需要标记解析器及文本查找函数。
本文总结
1、学会bs4解析html
2、理解BeautifulSoup对象相关方法，及查找相关内容
3、了解信息的标记与提取
