1.实例化一个BeautifulSoup对象，并且将页面源码数据加载到该对象中2.通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取 如何实例化BeautifulSoup对象:
from bs4 import BeautifulSoup
BeautifulSoup(参数一,参数二)
参数一为文件描述符，参数二为解析器，一般为’lxml’
一对象的实例化:
1.将本地的html文档中的数据加载到该对象中
fp = open( './test.html','r',encoding='utf-8') soup=BeautifulSoup(fp,'lxml')
2.将互联网上获取的页面源码加载到该对象中
page_text =response.text soup=BeatifulSoup(page_text,'lxml')
soup指初始化的BeautifulSoup对象
用于数据解析的方法和属性:1.soup.tagName:返回的是文档中第一次出现的tagName对应的标签
2.soup.find():
(1).find( ‘tagName’):等同于soup.tagName
(2).属性定位:soup.find(‘div’,class_/id/或者其他属性=‘song’)
定位到< div class=“song”>/< div id=“song”>的标签下
class如果没有加_则代表关键字
3.soup.find_all(‘tagName’):返回符合要求的所有标签(列表)
soup对象:
清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村
秦时明月汉时关，万里长征人未还,但使龙城飞将在，不教胡马度阴山
歧王宅里寻常见，崔九堂前几度闻，正是江南好风景,落花时节又逢君
杜甫
杜牧
杜小月
度蜜月
凤凰台上凤凰游，凤去台空江自流，吴宫花草埋幽径，晋代衣冠成古丘
4.select:
- select(‘某种选择器(id,class，标签…选择器)’),返回的是一个列表。
标签什么都不加，class前面加. id前面加#
层级选择器:
>表示的是一个层级；空格表示的多个层级
soup.select( '.tang > ul > li > a')
soup.select( '.tang >ul a')
结果为：[清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村,
秦时明月汉时关，万里长征人未还,但使龙城飞将在，不教胡马度阴山,
歧王宅里寻常见，崔九堂前几度闻，正是江南好风景,落花时节又逢君,
杜甫,
杜牧,
凤凰台上凤凰游，凤去台空江自流，吴宫花草埋幽径，晋代衣冠成古丘]
5.获取标签之间的文本数据:
-soup.a.text/string/get_text()
-text/get_text():可以获取某一个标签中所有的文本内容
-string:只可以获取该标签下面直系的文本内容
6.获取标签中属性值:
soup.a[‘属性值’]
print(soup.select( '.tang > ul > li > a') [0]['href']) 结果： www.baidu.comxpath解析
最常用且最便捷高效的一种解析方式。通用性。
xpath解析原理:1.实例化一个etree的对象，且需要将被解析的页面源码数据加载到该对象中。
2调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获。
from lxml import etree
-1.将本地的html文档中的源码数据加载到etree对象中:
etree.parse(filePath)
-2.可以将从互联网上获取的源码数据加载到该对象中
etree.HTML( 'page_text')
xpath表达式:(返回一个列表)
-/:表示的是从根节点开始定位。表示的是一个层级。
-//:表示的是多个层级。可以表示从任意位置开始定位。
-属性定位://div[@class=‘song’] tag[@attrname=‘attrvalue’]
-索引定位：//div[@class=‘song’]/p[3]
索引从1开始的
取文本:
/text(）获取的是标签中直系的文本内容//text(标签中非直系的文本内容(所有的文本内容)
取属性:
/@attrName
eg:/img/@src
./表示定位到当前位置（局部解析）
多个xpath之间用|分割:
tree.xpath(’//div[@class=‘song’]/p[3] | //div[@class=‘song’]’)
