python3.5.2下安装BeautifuSoup--bs4

首先，下载最新版的BeautifulSoup。
beautifulsoup4-4.5.1版本地址：https://www.crummy.com/software/BeautifulSoup/bs4/download/4.5/
BeautifuSoup主页：https://www.crummy.com/software/BeautifulSoup/
下载文件解压。
进入下载目录允许
比如：C:\Download\beautifulsoup4-4.5.1
            pythonsetup.py install

但是在进行如下操作的时候
from bs4 import BeautifulSoup
会出现如下错误：
File "C:\Python35\lib\bs4\__init__.py", line 48
'You are trying to run the Python 2 version of Beautiful Soup under Python 3. This will not work.'<>'You need to convert the code, either by installing it (`python
setup.py install`) or by running 2to3 (`2to3 -w bs4`).'

由于我们是使用最新的版本3.5.2，因此需要把版本python 2 库升级（转换）到3系列的库

python C:\>pythonC:\Users\fuzr1\AppData\Local\Programs\Python\Python35-32\Tools\scripts\2to3.py c:\Download\beautifulsoup4-4.5.1\bs4\
最后出现如下界面：
RefactoringTool: Files that need to be modified:

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\__init__.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\dammit.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\diagnose.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\element.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\testing.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\builder\__init__.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\builder\_html5lib.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\builder\_htmlparser.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\builder\_lxml.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\tests\__init__.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\tests\test_builder_registr

y.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\tests\test_docs.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\tests\test_html5lib.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\tests\test_htmlparser.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\tests\test_lxml.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\tests\test_soup.py

RefactoringTool: c:\Download\beautifulsoup4-4.5.1\bs4\tests\test_tree.py

说明转换已经完成,
验证如下的实例：
python 网络爬虫入门（一）———第一个python爬虫实例

import requests

import csv

import random

import time

import socket

import http.client

#import urllib.request

from bs4 import BeautifulSoup

一切ok。

附带上测试程序：

# -*- coding: gbk -*-

import requests

import csv

import random

import time

import socket

import http.client

# import urllib.request

from bs4 import BeautifulSoup

"""requests：用来抓取网页的html源代码 

csv：将数据写入到csv文件中 

random：取随机数 

time：时间相关操作 

socket和http.client 在这里只用于异常处理 

BeautifulSoup：用来代替正则式取源码中相应标签中的内容 

urllib.request：另一种抓取网页的html源代码的方法，但是没requests方便（我一开始用的是这一种）

获取网页中的html代码："""

def get_content(url , data = None):

    header={

        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',

        'Accept-Encoding': 'gzip, deflate, sdch',

        'Accept-Language': 'zh-CN,zh;q=0.8',

        'Connection': 'keep-alive',

        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.235'

    }

    timeout = random.choice(range(80, 180))

    while True:

        try:

            rep = requests.get(url,headers = header,timeout = timeout)

            rep.encoding = 'utf-8'

            # req = urllib.request.Request(url, data, header)

            # response = urllib.request.urlopen(req, timeout=timeout)

            # html1 = response.read().decode('UTF-8', errors='ignore')

            # response.close()

            break

        # except urllib.request.HTTPError as e:

        #         print( '1:', e)

        #         time.sleep(random.choice(range(5, 10)))

        #

        # except urllib.request.URLError as e:

        #     print( '2:', e)

        #     time.sleep(random.choice(range(5, 10)))

        except socket.timeout as e:

            print( '3:', e)

            time.sleep(random.choice(range(8,15)))

        except socket.error as e:

            print( '4:', e)

            time.sleep(random.choice(range(20, 60)))

        except http.client.BadStatusLine as e:

            print( '5:', e)

            time.sleep(random.choice(range(30, 80)))

        except http.client.IncompleteRead as e:

            print( '6:', e)

            time.sleep(random.choice(range(5, 15)))

    return rep.text

    # return html_text

"""header是requests.get的一个参数，目的是模拟浏览器访问 

header 可以使用chrome的开发者工具获得，具体方法如下： 

打开chrome，按F12，选择network 

  

重新访问该网站,找到第一个网络请求，查看它的header 

 

timeout是设定的一个超时时间，取随机数是因为防止被网站认定为网络爬虫。 

然后通过requests.get方法获取网页的源代码、 

rep.encoding = ‘utf-8’是将源代码的编码格式改为utf-8（不该源代码中中文部分会为乱码） 

下面是一些异常处理 

返回 rep.text

获取html中我们所需要的字段： 

这里我们主要要用到BeautifulSoup 

BeautifulSoup 文档http://www.crummy.com/software/BeautifulSoup/bs4/doc/

首先还是用开发者工具查看网页源码，并找到所需字段的相应位置  

找到我们需要字段都在 id = “7d”的“div”的ul中。日期在每个li中h1 中，天气状况在每个li的第一个p标签内，最高温度和最低温度在每个li的span和i标签中。 

感谢Joey_Ko指出的错误：到了傍晚，当天气温会没有最高温度，所以要多加一个判断。 

代码如下："""

def get_data(html_text):

    final = []

    bs = BeautifulSoup(html_text, "html.parser")  # 创建BeautifulSoup对象

    body = bs.body # 获取body部分

    data = body.find('div', {'id': '7d'})  # 找到id为7d的div

    ul = data.find('ul')  # 获取ul部分

    li = ul.find_all('li')  # 获取所有的li

    for day in li: # 对每个li标签中的内容进行遍历

        temp = []

        date = day.find('h1').string  # 找到日期

        temp.append(date)  # 添加到temp中

        inf = day.find_all('p')  # 找到li中的所有p标签

        temp.append(inf[0].string,)  # 第一个p标签中的内容（天气状况）加到temp中

        if inf[1].find('span') is None:

            temperature_highest = None # 天气预报可能没有当天的最高气温（到了傍晚，就是这样），需要加个判断语句,来输出最低气温

        else:

            temperature_highest = inf[1].find('span').string  # 找到最高温

            temperature_highest = temperature_highest.replace('℃', '')  # 到了晚上网站会变，最高温度后面也有个℃

        temperature_lowest = inf[1].find('i').string  # 找到最低温

        temperature_lowest = temperature_lowest.replace('℃', '')  # 最低温度后面有个℃，去掉这个符号

        temp.append(temperature_highest)   # 将最高温添加到temp中

        temp.append(temperature_lowest)   #将最低温添加到temp中

        final.append(temp)   #将temp加到final中

    return final

"""写入文件csv： 

将数据抓取出来后我们要将他们写入文件，具体代码如下："""

def write_data(data, name):

    file_name = name

    with open(file_name, 'a', errors='ignore', newline='') as f:

            f_csv = csv.writer(f)

            f_csv.writerows(data)

#主函数：

if __name__ == '__main__':

    url ='http://www.weather.com.cn/weather/101190401.shtml'

    html = get_content(url)

    result = get_data(html)

    write_data(result, 'weather.csv')

// 把以上代码保存为 get_weather.py

最后运行

python get_weather.py