HTML文档结点的查找工具很多，其中 BeautifulSoup 是功能强大且十分流行的查找工具之一。

1. BeautifulSoup 的安装

---

安装：

pip install bs4

导包：

from bs4 import BeautifulSoup

2. BeautifulSoup 装载HTML文档

---

如果 doc 是一个 HTML 文档，通过

from bs4 import BeautifulSoup
soup = BeautifulSoup(doc,"lxml")

就可以创建一个名称为 soup 的 BeautifulSoup 对象，

• doc 是一个 HTML 文档字符串，

• "lxml"是一个参数，表示创建的是一个通过"lxml"解析器解析的文档。BeautifulSoup有多种解析器，其中"lxml"是最常用的一个

通过调用：

soup.prettify()

可以把 soup 对象的文档树变成一个字符串。

BeautifulSoup库解析器

---

BeautifulSoup 装载文档的功能十分强大，它在装载的过程中如果返现HTML文档中元素有缺失的情况，会尽可能地对文档进行修复，使得最后的文档树是一颗完整的树。这一点十分重要，因为大多数网页都或多或少地有些元素是缺失的，BeautifulSoup 都能正确地装载它们。

# BeautifulSoup装载有缺失的HTML文档
frombs4importBeautifulSoup
​
doc='''
<title>有缺失元素的HTML文档</title>
<div>
<A href='one.html'>one</a>
<p>
<a href='two.html'>two</a>
</DIV>
'''
soup=BeautifulSoup(doc, "html.parser")
s=soup.prettify()
print(s)
​

程序结果如下：

值得注意的是，BeautifulSoup 虽然功能强大能修正一些缺失的HTML元素，但是它还没只能到完全修复所有HTML文档错误的程度。