Beautiful Soup

Beautiful Soup是一个Python包，功能包括解析HTML、XML文档、修复含有未闭合标签等错误的文档（此种文档常被称为tag soup）。这个扩展包为待解析的页面建立一棵树，以便提取其中的数据，这在网络数据采集时非常有用。

Beautiful Soup

原作者	Leonard Richardson
当前版本	4.12.3（2024年1月17日；稳定版本）
源代码库	code.launchpad.net/beautifulsoup/
编程语言	Python
类型	HTML解析库、网络数据采集
许可协议	Python软件基金会许可证 （Beautiful Soup 3及以前） MIT许可证（Beautiful 4及以后）
网站	www.crummy.com/software/BeautifulSoup/

在2021年，Python 2.7的官方支持终止，BeautifulSoup发行版4.9.3是支持Python 2.7的最后版本。

示例代码

#!/usr/bin/env python3
# Anchor extraction from HTML document
from bs4 import BeautifulSoup
from urllib.request import urlopen
with urlopen('https://en.wikipedia.org/wiki/Main_Page') as response:
    soup = BeautifulSoup(response, 'html.parser')
    for anchor in soup.find_all('a'):
        print(anchor.get('href', '/'))

参见

• HTML解析器对比