BeautifulSoup初识-创新互联

所幸要取得网页内容不是很复杂，就直接用urllib2来获取内容。

但是取出的内容要如何处理，如何才能找到所需要的内容。从网上搜索发现可以用HtmlParser或者BeautifulSoup来获取，经过尝试之后果断放弃HtmlParser。

BeautifulSoup：

   python中的Beautiful是用Python写的一个HTML/XML的解析器，它可以很好的处理不规范标记并生成剖析树(parse tree)。

 下载地址：http://www.crummy.com/software/BeautifulSoup/

 下载完成之后，提取文件中的bs4文件夹。拷贝到所需的文件夹路径下。

 具体使用文档：http://www.crummy.com/software/BeautifulSoup/bs4/doc/

 现在来说说我的使用方法：

 假定需要解析url的代码如下：

import urllib2
from bs4 import BeautifulSoup


def catch_url( url ):
  content= urllib2.urlopen( url )
  soup= BeautifulSoup( content )
return soup

 然后，使用BeautifulSoup来解析一下京东的主页：

def parse360buyContent( content ):
  beauParse ＝ BeautifulSoup( content )

  soup= beauParse.findAll('div',{'id':'life'})
  data= []
  
for con in soup:
    text= con.a['href']
    data.append({'text':text})
  
  
return data

可以看到，解析出的结果是一个list，通过for来取出每一个条目。如果需要取出此条目中的，只要将a做为属性来取出，而href则需要按字典

类型来取出。

 由于用到的地方就这一点，所以未作深入研究，只是做为后续一个可查询的纪录。