🌿 BeautifulSoup：Python 网页解析神器

BeautifulSoup 是一个用于从 HTML 或 XML 文档中提取数据的库，常配合 requests 使用，语法优雅，容易上手。

---

✅ BeautifulSoup 解决了什么问题？

直接使用正则表达式处理 HTML 太复杂、容易出错。BeautifulSoup 提供树形结构解析 HTML，使用标签名和属性轻松查找、提取页面内容：

• 🧩 快速解析 HTML/XML
• 🔍 按标签、属性、文本内容查找
• 🌳 提供文档结构化导航

---

📦 安装

pip install beautifulsoup4

---

🔌 一起使用 Requests 获取网页

从 bs4 导入 BeautifulSoup
导入 requests

响应 = requests.获取("https://example.com")
汤 = BeautifulSoup(响应.文本, "html.parser")
打印(汤.标题.文本)

---

🏷️ 查找标签

打印(汤.标题)           # 获取 <title> 标签
打印(汤.h1)              # 获取第一个 <h1>
打印(汤.段落)            # <p> 是 paragraph 段落

---

🔍 使用 find() 和 find_all()

第一个链接 = 汤.查找("a")
所有段落 = 汤.查找全部("p")
打印(第一个链接["href"])
打印(len(所有段落))

---

🎯 通过属性查找标签

按钮 = 汤.查找("button", {"类": "提交按钮"})
打印(按钮.文本)

---

🔁 遍历多个标签

链接列表 = 汤.查找全部("a")
对于 链接 在 链接列表:
  打印(链接.文本, "->", 链接["href"])

---

🧼 获取纯文本

打印(汤.获取文本())

---

🎯 常见选择器方式（CSS 选择器）

汤.选择("div.类名")
汤.选择("ul > li")
汤.选择_one("p.intro")

---

📄 示例：爬取网页标题与超链接

导入 requests
从 bs4 导入 BeautifulSoup

响应 = requests.获取("https://example.com")
汤 = BeautifulSoup(响应.文本, "html.parser")

打印("网页标题:", 汤.标题.文本)
对于 链接 在 汤.查找全部("a"):
  打印(链接.文本.strip(), "->", 链接["href"])

---

🔚 小结

功能	方法 / 属性
解析 HTML	BeautifulSoup(text, "html.parser")
查找单个标签	find(tag)
查找多个标签	find_all(tag)
选择器查找	select(selector)
提取文本内容	tag.text / get_text()
查找属性	tag["属性名"]

---