BeautifulSoup是一个用于从HTML和XML文件中提取数据的Python库。BeautifulSoup提供一些简单的、函数用来处理导航、搜索、修改分析树等功能。BeautifulSoup模块中的查找提取功能非常强大，而且非常便捷，它通常可以节省程序员数小时或数天的工作时间。
BeautifulSoup自动将输入文档转换为Unicode编码，输出文档转换为UTF-8编码。你不需要考虑编码方式，除非文档没有指定一个编码方式，这时，BeautifulSoup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。
1、安装，先装bs4，再装BeautifulSoup4
BeautifulSoup支持python标准库中包含的HTML解析器，但它也支持许多第三方python解释器，其中包含lxml解释器。这个安装就行。
另一个解释器是html5lib，它是一个解析HTML的python库，按照web浏览器的方式解析HTML。这个安装就行
解释器的优缺点：
| 解释器 | 用法 | 优点 | 缺点 |
| Python标准库 | BeautifulSoup(markup,'html.parser') |
Python标准库 执行速度适中 |
部分版本中文档容错能力差 |
| lxml的HTML解释器 | BeautifulSoup(markup,'lxml') | 速度快，文档容错能力强 | 需要安装c语言库 |
| lxml的XML解释器 |
BeautifulSoup(markup,'lxml-xml') BeautifulSoup(markup,'xml') |
速度快 唯一支持xml的解析器 |
需要安装c语言库 |
| html5lib | BeautifulSoup(markup,'html5lib') |
最好的容错性 以浏览器的方式解析文档生成HTML5格式的文档 |
速度慢 不依赖外部扩展 |
2、BeautifulSoup的使用
下面用BeautifulSoup进行HTML的解析工作，具体如下：
from bs4 import BeautifulSoup #创建一个BeautifulSoup对象，获取页面正文 soup=BeautifulSoup(open('test.html'),features='lxml') print(soup.prettify()) #打印格式化后的代码