Beautiful Soup 是壹個可以從 HTML 或 XML 文件中提取數據的 Python 庫，它提供了壹些簡單的操作方式來幫助妳處理文檔導航，查找，修改文檔等繁瑣的工作。因為使用簡單，所以 Beautiful Soup 會幫妳節省不少的工作時間。
妳可以使用如下命令安裝 Beautiful Soup。二選壹即可。
Beautiful Soup 不僅支持 Python 標準庫中的 HTML 解析器，還支持很多第三方的解析器，比如 lxml，html5lib 等。初始化 Beautiful Soup 對象時如果不指定解析器，那麽 Beautiful Soup 將會選擇最合適的解析器（前提是妳的機器安裝了該解析器）來解析文檔，當然妳也可以手動指定解析器。這裏推薦大家使用 lxml 解析器，功能強大，方便快捷，而且該解析器是唯壹支持 XML 的解析器。
妳可以使用如下命令來安裝 lxml 解析器。二選壹即可。
Beautiful Soup 使用來起來非常簡單，妳只需要傳入壹個文件操作符或者壹段文本即可得到壹個構建完成的文檔對象，有了該對象之後，就可以對該文檔做壹些我們想做的操作了。而傳入的文本大都是通過爬蟲爬取過來的，所以 Beautiful Soup 和 requests 庫結合使用體驗更佳。
Beautiful Soup 將復雜的 HTML 文檔轉換成壹個復雜的樹形結構，每個節點都是 Python 對象，所有對象可以歸納為 4 種: Tag，NavigableString，BeautifulSoup，Comment。
Tag 就是 HTML 的壹個標簽，比如 p，p 標簽等，也是我們用的最多的壹個對象。
NavigableString 指標簽內部的文字，直譯就是可遍歷的字符串。
BeautifulSoup 指壹個文檔的全部內容，可以當成壹個 Tag 來處理。
Comment 是壹個特殊的 NavigableString，其輸出內容不包括註視內容。
為了故事的順利發展，我們先定義壹串 HTML 文本，下文的所有例子都是基於這段文本的。
Tag 有兩個很重要的屬性，name 和 attributes。期中 name 就是標簽的名字，attributes 是標簽屬性。標簽的名字和屬性是可以被修改的，註意，這種修改會直接改變 BeautifulSoup 對象。
由以上例子我麽可以看出，可以直接通過點屬性的方法來獲取 Tag，但是這種方法只能獲取第壹個標簽。同時我們可以多次調用點屬性這個方法，來獲取更深層次的標簽。
如果想獲得所有的某個名字的標簽，則可以使用 find_all(tag_name) 函數。
我們可以使用 .contents 將 tag 以列表方式輸出，即將 tag 的子節點格式化為列表，這很有用，意味著可以通過下標進行訪問指定節點。同時我們還可以通過 .children 生成器對節點的子節點進行遍歷。
.children 只可以獲取 tag 的直接節點，而獲取不到子孫節點，.descendants 可以滿足妳。
通過 .parent 屬性獲取標簽的父親節點。 title 的父標簽是 head，html 的父標簽是 BeautifulSoup 對象，而 BeautifulSoup 對象的父標簽是 None。
同時，我們可以通過 parents 得到指定標簽的所有父親標簽。
通過 .next_sibling 和 .previous_sibling 來獲取下壹個標簽和上壹個標簽。
妳可能會納悶，調用了兩次 next_sibling 怎麽只有壹個輸出呢，這方法是不是有 bug 啊。事實上是 p 的第壹個 next_sibling 是 p 和 p 之間的換行符 。這個規則對於 previous_sibling 同樣適用。
另外，我們可以通過 .next_siblings 和 .previous_siblings 屬性可以對當前節點的兄弟節點叠代輸出。在該例子中，我們在每次輸出前加了前綴，這樣就可以更直觀的看到 dib 的第壹個 previous_sibling 是換行符了。
通過 .next_element 和 .previous_element 獲取指定標簽的前壹個或者後壹個被解析的對象，註意這個和兄弟節點是有所不同的，兄弟節點是指有相同父親節點的子節點，而這個前壹個或者後壹個是按照文檔的解析順序來計算的。
比如在我們的文本 html_doc 中，head 的兄弟節點是 body（不考慮換行符），因為他們具有***同的父節點 html，但是 head 的下壹個節點是 title。即 soup.head.next_sibling=title soup.head.next_element=title
同時這裏還需要註意的是 title 下壹個解析的標簽不是 body，而是 title 標簽內的內容，因為 html 的解析順序是打開 title 標簽，然後解析內容，最後關閉 title 標簽。
另外，我們同樣可以通過 .next_elements 和 .previous_elements 來叠代文檔樹。由遺下例子我們可以看出，換行符同樣會占用解析順序，與叠代兄弟節點效果壹致。
本章節介紹了 Beautiful Soup 的使用場景以及操作文檔樹節點的基本操作，看似很多東西其實是有規律可循的，比如函數的命名，兄弟節點或者下壹個節點的叠代函數都是獲取單個節點函數的復數形式。
同時由於 HTML 或者 XML 這種循環嵌套的復雜文檔結構，致使操作起來甚是麻煩，掌握了本文對節點的基本操作，將有助於提高妳寫爬蟲程序的效率。