Python3第三方爬虫库BeautifulSoup4安装教程

简介

BeautifulSoup是一个Python第三方库，专门用于从HTML和XML文件中提取数据。它提供了方便且易于使用的方法，使数据抓取更加便捷和高效。

安装步骤

步骤1：确保已经安装pip

pip是Python的包管理工具，它可以方便地帮助我们安装和管理第三方库。打开终端（或CMD），运行下面的命令：

pip --version

如果已经安装了pip，将会打印版本号。如果没有安装，可以通过官方网站的教程进行安装。

步骤2：安装BeautifulSoup

在终端（或CMD）中运行下面的命令来安装BeautifulSoup4：

pip install beautifulsoup4

示例说明

示例1：网页爬虫

import urllib.request
from bs4 import BeautifulSoup

url = "https://www.baidu.com"
response = urllib.request.urlopen(url)
soup = BeautifulSoup(response, "html.parser")
print(soup.title)
print(soup.title.string)

这个例子用urllib库来获取百度首页的HTML页面，然后用BeautifulSoup来解析HTML。最后打印网页的标题和标题内容。

示例2：爬取本地HTML文件

from bs4 import BeautifulSoup

with open("example.html") as fp:
    soup = BeautifulSoup(fp, "html.parser")
print(soup.title)
print(soup.title.string)

这个例子打开本地的HTML文件（文件名为example.html），然后用BeautifulSoup来解析HTML。最后打印网页的标题和标题内容。