问答 · ANSWER
初识 BeautifulSoup是什么？
直接回答
BeautifulSoup是一个用于解析HTML/XML的Python库，它能将网页字符串转换为树形结构，并提供便捷的方法来查找和提取所需的数据节点。
关键要点
- 网页解析的目的是从已下载的HTML字符串中提取结构化或感兴趣的数据。
- 网页的结构化本质是DOM（文档对象模型）树状结构，这是高效解析的基础。
- BeautifulSoup是一个功能强大的Python库，专门用于结构化网页解析。
- BeautifulSoup核心三步是创建解析对象、查找节点、获取节点信息。
- 查找节点可按标签类型、属性、文本内容等多种规则进行精确查找。
- 与字符串匹配等方式相比，BeautifulSoup能更稳健地处理复杂的HTML结构。
怎么选 / 怎么做
使用BeautifulSoup通常遵循以下三个步骤：
1. 创建 BeautifulSoup 对象：将网页内容（字符串或文件对象）和指定的解析器传入，构造一个可操作的解析对象。
2. 查询节点：使用 find() 或 find_all() 等方法，在树中定位一个或多个符合条件的节点。
3. 获取节点信息：从找到的节点对象中，提取其文本内容、属性值等信息。
常见问题
BeautifulSoup主要用来做什么？
用于从HTML/XML字符串中提取所需的结构化数据。
使用BeautifulSoup的基本步骤是什么？
三步：创建解析对象、查询节点、获取节点信息。
如何按属性查找节点？
使用find_all('a', class_='link')这类关键字参数形式。