python学习之路（第九天）—使用BeautifulSoup解析网页
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.
库的安装前面有提到过，这里不再赘述。
简单用法
下面的一段HTML代码将作为例子被多次用到.这是 爱丽丝梦游仙境的 的一段内容(以后内容中简称为 爱丽丝 的文档):
html_doc = """
<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>
"""
使用 BeautifulSoup解析这段代码，能够得到它的一个对象，并能按照标准的缩进格式进行输出：
可以看到输出正常，但是会出现错误，GuessedAtParserWarning: No parser was explicitly specified,大概意思是这里第16行BeautifulSoup()函数在使用的时候没有添加解释器，修改后不再出现该错误
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc)
print(soup.prettify())
这样输出的结构就死类似网页的模式了
还有其他几个简单的浏览器结构化数据的方法：
1、从文中找到所有 < a > 标签的链接
for link in soup.find_all('a'):
print(link.get('href'))
如果是只要输出标签的话就是
soup.find_all(‘a’)
获取文字内容：
soup.get_text()
找出匹配的字符
soup.find(id='link1')
还有一些其他的这里推荐一篇文档
https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html#id13
安装解析器
前文提到，需要解释器才不会报错，
可以用python的标准库，又或是第三方的
Beautiful Soup支持Python标准库中的HTML解析器,还支持一些第三方的解析器,其中一个是 lxml，前文有写到
另一个可供提供的解析器是纯python实现的html5lib
这里这个爬虫部分暂时不要太多其他功能，更加详细的用法
参考：Beautiful Soup 4.2.0 文档
https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html#id13