bs4和lxml

本文主要是介绍bs4和lxml，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

周所周知，bs4和lxml是非常流行的两个python模块，他们常被用来对抓取的网页进行解析，以便进一步抓取的进行。作为一个爬虫爱好者，今天我来讲讲这两个各自的优点和不足，不对的地方还请各位大神斧正。

BeautifulSoup

BeautifulSoup也是比较常用且使用简单的技术，由于在操作过程中，会将整个文档树进行加载然后进行查询匹配操作，使用过程中消耗资源较多。

文档地址

• 对象结构
  1. Tag：标签对象
  2. NavigableString：字符内容操作对象
  3. BeautifulSoup：文档对象
  4. Comment：特殊类型的NavigableString

Tag

tag有2个重要属性，Name和Attributes，name可直接用.name来获取。Attributes属性可以用.attrs获取或者类似字典获取方式。

NavigableString

表示装tag中的字符串， unicode() 方法可以直接将 NavigableString 对象转换成Unicode字符串

Comment

是一个特殊类型的 NavigableString 对象

… 太多了暂停下

lxml

lxml是python的一个解析库，支持HTML和XML的解析，支持XPath解析方式，而且解析效率非常高

文档地址

re正则表达式

文档地址

匹配神器，速度快效率高

这篇关于bs4和lxml的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---