Beautiful Soup - 安装
由于 BeautifulSoup 不是标准的 python 库，我们需要先安装它。 我们将安装最新的 BeautifulSoup 4 库（也称为 BS4）。
为了隔离我们的工作环境以免干扰现有设置，让我们首先创建一个虚拟环境。
创建虚拟环境（可选）
虚拟环境允许我们为特定项目创建一个独立的 python 工作副本，而不会影响外部设置。
安装任何 python 包机器的最佳方法是使用 pip，但是，如果 pip 尚未安装（您可以在命令或 shell 提示符下使用 – "pip –version" 检查它），您可以通过以下命令进行安装 −
Linux 环境
$sudo apt-get install python-pip
Windows 环境
要在 Windows 中安装 pip，请执行以下操作 −
从 https://bootstrap.pypa.io/get-pip.py 或 github 下载 get-pip.py 到您的计算机。
打开命令提示符并导航到包含 get-pip.py 文件的文件夹。
运行以下命令 −
>python get-pip.py
就是这样，pip 现在已经安装在你的 windows 机器上了。
您可以通过运行以下命令来验证您安装的 pip −
>pip --version pip 19.2.3 from c:\users\yadur\appdata\local\programs\python\python37\lib\site-packages\pip (python 3.7)
安装虚拟环境
在命令提示符下运行以下命令 −
>pip install virtualenv
运行后，你会看到下面的截图 −
下面的命令将在您的当前目录中创建一个虚拟环境（"myEnv"） −
>virtualenv myEnv
截图
要激活您的虚拟环境，请运行以下命令 −
>myEnv\Scripts\activate
在上面的截图中，你可以看到我们有"myEnv"作为前缀，这告诉我们我们在虚拟环境"myEnv"下。
要退出虚拟环境，请运行 deactivate。
(myEnv) C:\Users\yadur>deactivate C:\Users\yadur>
由于我们的虚拟环境已准备就绪，现在让我们安装 beautifulsoup。
安装 BeautifulSoup
由于 BeautifulSoup 不是标准库，我们需要安装它。 我们将使用 BeautifulSoup 4 包（称为 bs4）。
Linux 机器
要使用系统包管理器在 Debian 或 Ubuntu linux 上安装 bs4，请运行以下命令 −
$sudo apt-get install python-bs4 (for python 2.x) $sudo apt-get install python3-bs4 (for python 3.x)
您可以使用 easy_install 或 pip 安装 bs4（以防您在使用系统打包程序安装时发现问题）。
$easy_install beautifulsoup4 $pip install beautifulsoup4
（如果你使用的是python3，你可能需要分别使用easy_install3或pip3）
Windows 机器
在 Windows 中安装 beautifulsoup4 非常简单，特别是如果你已经安装了 pip。
>pip install beautifulsoup4
现在我们的机器上安装了 beautifulsoup4。 下面说说安装后遇到的一些问题。
安装后的问题
在windows机器上你可能会遇到，wrong version being installed 错误主要是通过 −
error: ImportError "No module named HTMLParser"错误，那么你必须在 Python 3 下运行 python 2 版本的代码。
error: ImportError "No module named html.parser" 错误，那么你必须在Python 2下运行Python 3版本的代码。
摆脱上述两种情况的最佳方法是再次重新安装 BeautifulSoup，完全删除现有安装。
如果您在 ROOT_TAG_NAME = u'[document]' 行收到 SyntaxError "Invalid syntax"，则需要将 python 2 代码转换为 python 3 ，只需安装软件包 −
$ python3 setup.py install
或者在bs4目录下手动运行python的2转3转换脚本 −
$ 2to3-3.2 -w bs4
安装解析器
默认情况下，Beautiful Soup 支持 Python 标准库中包含的 HTML 解析器，但它也支持许多外部第三方 python 解析器，如 lxml 解析器或 html5lib 解析器。
要安装 lxml 或 html5lib 解析器，使用命令 −
Linux 机器
$apt-get install python-lxml $apt-get insall python-html5lib
Windows 机器
$pip install lxml $pip install html5lib
一般用户使用lxml是为了速度， 如果您使用的是旧版本的 python 2（2.7.3 版本之前）或 python 3（3.2.2 之前），建议使用 lxml 或 html5lib 解析器，因为 python 的内置 HTML 解析器在处理旧版本时不是很好。
运行 Beautiful Soup
是时候在其中一个 html 页面中测试我们的 Beautiful Soup 包了（以网页 - https://www.tutorialspoint.com/index.htm，您可以选择您想要的任何其他网页）并从中提取一些信息。
在下面的代码中，我们试图从网页中提取标题 −
from bs4 import BeautifulSoup import requests url = "https://www.tutorialspoint.com/index.html" req = requests.get(url) soup = BeautifulSoup(req.text, "html.parser") print(soup.title)
输出
<title>H2O, Colab, Theano, Flutter, KNime, Mean.js, Weka, Solidity, Org.Json, AWS QuickSight, JSON.Simple, Jackson Annotations, Passay, Boon, MuleSoft, Nagios, Matplotlib, Java NIO, PyTorch, SLF4J, Parallax Scrolling, Java Cryptography</title>
一个常见的任务是提取网页中的所有 URL。 为此，我们只需要添加以下代码行 −
for link in soup.find_all('a'):
print(link.get('href'))
输出
https://www.tutorialspoint.com/index.htm https://www.tutorialspoint.com/about/about_careers.htm https://www.tutorialspoint.com/questions/index.php https://www.tutorialspoint.com/online_dev_tools.htm https://www.tutorialspoint.com/codingground.htm https://www.tutorialspoint.com/current_affairs.htm https://www.tutorialspoint.com/upsc_ias_exams.htm https://www.tutorialspoint.com/tutor_connect/index.php https://www.tutorialspoint.com/whiteboard.htm https://www.tutorialspoint.com/netmeeting.php https://www.tutorialspoint.com/index.htm https://www.tutorialspoint.com/tutorialslibrary.htm https://www.tutorialspoint.com/videotutorials/index.php https://store.tutorialspoint.com https://www.tutorialspoint.com/gate_exams_tutorials.htm https://www.tutorialspoint.com/html_online_training/index.asp https://www.tutorialspoint.com/css_online_training/index.asp https://www.tutorialspoint.com/3d_animation_online_training/index.asp https://www.tutorialspoint.com/swift_4_online_training/index.asp https://www.tutorialspoint.com/blockchain_online_training/index.asp https://www.tutorialspoint.com/reactjs_online_training/index.asp https://www.tutorix.com https://www.tutorialspoint.com/videotutorials/top-courses.php https://www.tutorialspoint.com/the_full_stack_web_development/index.asp …. …. https://www.tutorialspoint.com/online_dev_tools.htm https://www.tutorialspoint.com/free_web_graphics.htm https://www.tutorialspoint.com/online_file_conversion.htm https://www.tutorialspoint.com/netmeeting.php https://www.tutorialspoint.com/free_online_whiteboard.htm http://www.tutorialspoint.com https://www.facebook.com/tutorialspointindia https://plus.google.com/u/0/+tutorialspoint http://www.twitter.com/tutorialspoint http://www.linkedin.com/company/tutorialspoint https://www.youtube.com/channel/UCVLbzhxVTiTLiVKeGV7WEBg https://www.tutorialspoint.com/index.htm /about/about_privacy.htm#cookies /about/faq.htm /about/about_helping.htm /about/contact_us.htm
同样，我们可以使用beautifulsoup4提取有用的信息。
现在让我们更多地了解上面例子中的"soup"。
