Beautiful Soup 教程

在本教程中，我们将向您展示如何使用 Beautiful Soup 4 在 Python 中执行网络抓取，以从 HTML、XML 和其他标记语言中获取数据。 在此我们将尝试从各种不同的网站（包括 IMDB）抓取网页。 我们将介绍 beautiful soup 4，用于高效清晰地导航、搜索和解析 HTML 网页的 python 基本工具。 我们试图在本教程中涵盖 Beautiful Soup 4 的几乎所有功能。 您可以将本教程中介绍的多个功能组合到一个更大的程序中，以从网站捕获多个有意义的数据作为输入到其他某个子程序中。

谁适合阅读?

本教程主要旨在指导您对网页进行抓取。 所有这一切的基本要求是从大量无组织的数据中获取有意义的数据。 本教程的目标受众可以是任何人:

• 任何想知道的人——如何使用 BeautifulSoup 4 在 python 中抓取网页。

• 任何数据科学开发人员/爱好者/任何人，想如何将这些抓取的（有意义的）数据用于不同的 Python 数据科学库以做出更好的决策。

需要具备的知识?

尽管本教程没有强制要求。 但是，如果您对以下任何技术有先验知识，这将是一个额外的优势 −

• 了解任何 web 网络相关技术（HTML/CSS/文档对象模型等）。

• Python 语言。

• 了解其他语言 web 抓取知识的开发人员。

• 对 HTML 树结构有基本的了解。