Python：第三方库BeautifulSoup4

今天，我们将用Python的pip，安装下载一个第三方库BeautifulSoup4，它可以帮助我们分析HTML网页的内容。

1.安装BeautifulSoup4模块

在Windows系统下，打开一个cmd命令提示符，输入：

pip install BeautifulSoup4

如果没有出现错误信息，则打开一个Python文件，输入：

import bs4

运行代码，没有报错就说明成功安装。

2.使用BeautifulSoup4模块

from bs4 import BeautifulSoup 

以上代码导入了bs4（BeautifulSoup4以下用简写）模块的解析对象类，然后，我们请求得到一个网页源代码，这里请求的网页是笔者的博客主页：

from bs4 import BeautifulSoup as bs
import requests

headers = {
    
    "User-Agent": "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Mobile Safari/537.36",
		   "Host": "blog.csdn.net"
		   }

url = "https://blog.csdn.net/wangzirui32/"
r = requests.get(url, headers=headers)
# 创建解析对象
soup = bs(r.text, "html.parser")

我们为BeautifulSoup指定了别名bs，这是为了简便。它有两个参数，第一个是我们要分析的源码，第二个是我们解析的方式。

3.获取总赞数

先来到笔者的主页，打开检查功能，点击箭头，再移动鼠标到“获赞”上面的数字，如图：

获赞的数字在一个span标签中，它有一个属性：class，class的内容为count。
根据这些信息，我们继续编写代码：

span = soup.find("span", {
    
    "class":"count"})
like = int(span.string)
print("获赞：", like)

这里使用了find函数，第一个参数是标签名称（必选）；第二个参数（可选）是它的属性内容，用字典来书写，键为属性名，值为属性内容。
string用来获取标签的内容。
输出：

21

为什么是原创文章数量呢？经过查找，发现存储原创文章数量的标签也是span，且属性相同，而find函数只返回第一个查找到的标签，怎么办呢？
这时，我们可以使用find_all函数，它的参数和find函数一样，只不过它会返回所以符合条件的标签，以列表的形式输出：

# 重新写亿下
span_list = soup.find_all("span", {
    
    "class":"count"})
for s in span_list:
	print(s)

输出：

<span class="count">21</span>
<span class="count" id="fan">2</span>
<span class="count">25</span>
<span class="count">7</span>

可以看出，赞数就在第3个列表项中，在索引2的位置，再来写亿遍：

span_list = soup.find_all("span", {
    
    "class":"count"})
like = int(span_list[2].string)
print("获赞：", like)

输出：

获赞： 25

怎么样？学会了吗？
当然，主页还有其它公开数据可以爬取，感兴趣的读者可以自己试亿下，我就不演示了。