<aside> 😀 今天讲一个常见爬虫解析库BeautifulSoup，他可以很好的兼容不规则的网页进行数据提取，是所有解析库兼容性最好的。
</aside>
今天介绍一种数据解析方法：beautifulsoup4。bs4是Python特有的解析工具，而前面提到的正则解析方法则基于正则表达式，不受编程语言限制。
使用bs4进行数据解析的步骤如下：
按照前面讲过的数据解析原理，就是定位标签和获取便签或者是标签属性中存储的数据值，按照这个思路，bs4的数据解析的流程是这样的：
bs4环境安装
bs4的安装可以使用pip直接安装，安装后还需要安装一个lxml解析器
pip install bs4 pip install lxml
在安装过程中可以用-i指定国内的源。
BeautifulSoup支持Python标准库中的HTML解析器，还支持了几种第三方解析器。下面的表格讲的是各种第三方解析气的特点
| 解析器 | 使用方法 | 优势 | 劣势 |
|---|---|---|---|
| Python标准库 | BeautifulSoup(markup, "html.parser") |
• Python的内置标准库 | |
| • 执行速度适中 | |||
| • 文档容错能力强 | • Python 2.7.3 or 3.2.2)前 的版本中文档容错能力差 | ||
| lxml HTML 解析器 | BeautifulSoup(markup, "lxml") |
• 速度快 | |
| • 文档容错能力强 | • 需要安装C语言库 | ||
| lxml XML 解析器 | BeautifulSoup(markup, ["lxml-xml"]) |
||
BeautifulSoup(markup, "xml") |
• 速度快 | ||
| • 唯一支持XML的解析器 | • 需要安装C语言库 | ||
| html5lib | BeautifulSoup(markup, "html5lib") |
• 最好的容错性 | |
| • 以浏览器的方式解析文档 | |||
| • 生成HTML5格式的文档 | • 速度慢 | ||
| • 不依赖外部扩展 |
BeautifulSoup的实例化
BeautifulSoup的实例化有两种情况，一个是加载本地的html文档数据，还有一种是加载爬取网上数据。
加载本地html文件
先写一个简单的html文件供后面的案例使用（文件名test.html）
<html>
<head>
<title>
The Dormouse's story
</title>
</head>
<body>
<p class="title">
<b>
The Dormouse's story
</b>
</p>
<p class="story">
Once upon a time there were three little sisters; and their names were
<a class="sister" href="<http://example.com/elsie>" id="link1">
Elsie
</a>
,
<a class="sister" href="<http://example.com/lacie>" id="link2">
Lacie
</a>
and
<a class="sister" href="<http://example.com/tillie>" id="link2">
Tillie
</a>
; and they lived at the bottom of a well.
</p>
<p class="story">
...
</p>
</body>
</html>
实例化本地文件袋方法有两种
方式1