Python BeautifulSoup 库解析 HTML 文档教程：提取文本内容

BeautifulSoup 是 Python 的一个库，可以用来解析 HTML 和 XML 文档，提取需要的文本内容。

以下是使用 BeautifulSoup 库解析 HTML 文档的基本步骤：

1. 导入 BeautifulSoup 库

from bs4 import BeautifulSoup

2. 读取 HTML 文档

可以使用 Python 的标准库中的 urllib 库或者 requests 库来读取 HTML 文档。这里以使用 requests 库为例：

import requests

url = 'http://example.com'
response = requests.get(url)
html_doc = response.text

这样，html_doc 就是包含 HTML 文档内容的字符串。

3. 创建 BeautifulSoup 对象

将 HTML 文档传递给 BeautifulSoup 对象，并指定解析器类型：

soup = BeautifulSoup(html_doc, 'html.parser')

4. 提取需要的文本内容

使用 BeautifulSoup 对象的方法和属性来提取需要的文本内容。例如：

# 提取标题
title = soup.title.string

# 提取所有段落
paragraphs = soup.find_all('p')

# 提取第一个链接
link = soup.a['href']

通过以上步骤，就可以使用 BeautifulSoup 库解析 HTML 文档，并提取需要的文本内容了。