# -*- coding: utf-8 -*- """ Created on Fri Jan 11 12:24:04 2019 @author: Administrator """ http://www.w3school.com.cn/html/html_jianjie.asp 首先了解基本的html知识 <html> <body> <h1>我的第一个标题</h1> <p>我的第一个段落。</p> </body> </html> 解释 <html> 与 </html> 之间的文本描述网页 <body> 与 </body> 之间的文本是可见的页面内容 <h1> 与 </h1> 之间的文本被显示为标题 <p> 与 </p> 之间的文本被显示为段落 HTML文档和标签 HTML 文档包含 HTML 标签和纯文本 HTML 标签是由尖括号包围的关键词，比如 <html> HTML 标签通常是成对出现的，比如 <b> 和 </b> HTML 标题 HTML 标题（Heading）是通过 <h1> - <h6> 等标签进行定义的。 实例 <h1>This is a heading</h1> <h2>This is a heading</h2> <h3>This is a heading</h3> HTML 段落 HTML 段落是通过 <p> 标签进行定义的。 实例 <p>This is a paragraph.</p> <p>This is another paragraph.</p> HTML 链接 HTML 链接是通过 <a> 标签进行定义的。 实例 <a href="http://www.w3school.com.cn">This is a link</a> 注释：在 href 属性中指定链接的地址。 HTML 图像 HTML 图像是通过 <img> 标签进行定义的。 实例 <img src="w3school.jpg" width="104" height="142" /> HTML 元素 HTML 元素指的是从开始标签（start tag）到结束标签（end tag）的所有代码。 HTML 实例解释 <p> 元素： <p>This is my first paragraph.</p> 这个 <p> 元素定义了 HTML 文档中的一个段落。 这个元素拥有一个开始标签 <p>，以及一个结束标签 </p>。 元素内容是：This is my first paragraph。 <body> 元素： <body> <p>This is my first paragraph.</p> </body> <body> 元素定义了 HTML 文档的主体。 这个元素拥有一个开始标签 <body>，以及一个结束标签 </body>。 元素内容是另一个 HTML 元素（p 元素）。 <html> 元素： <html> <body> <p>This is my first paragraph.</p> </body> </html> <html> 元素定义了整个 HTML 文档。 这个元素拥有一个开始标签 <html>，以及一个结束标签 </html>。 元素内容是另一个 HTML 元素（body 元素）。 HTML 属性 HTML 标签可以拥有属性。属性提供了有关 HTML 元素的更多的信息。 属性总是以名称/值对的形式出现，比如：name="value"。 属性总是在 HTML 元素的开始标签中规定。 属性实例 HTML 链接由 <a> 标签定义。链接的地址在 href 属性中指定： <a href="http://www.w3school.com.cn">This is a link</a> HTML 折行 如果您希望在不产生一个新段落的情况下进行换行（新行），请使用 <br /> 标签： <p>This is<br />a para<br />graph with line breaks</p> 亲自试一试 <br /> 元素是一个空的 HTML 元素。由于关闭标签没有任何意义，因此它没有结束标签。 <br> 还是 <br /> 您也许发现 <br> 与 <br /> 很相似。 在 XHTML、XML 以及未来的 HTML 版本中，不允许使用没有结束标签（闭合标签）的 HTML 元素。 即使 <br> 在所有浏览器中的显示都没有问题，使用 <br /> 也是更长远的保障。 from bs4 import BeautifulSoup 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 href="http://example.com/elsie" class="sister" id="link1">Elsie</a>, <a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p> <p class="story">...</p> """ #对于html有不同的解析解析器lxml和html.parser，我们用不同的方式解析得到的类型是一样的。 soup=BeautifulSoup(html,"lxml") #type(soup) #Out[14]: bs4.BeautifulSoup 得到一个BeautifulSoup对象 soup1=BeautifulSoup(html,"html.parser") #type(soup1) #Out[16]: bs4.BeautifulSoup