写了Scrapy XPath抓取结构化数据的方法和技巧：
再来一篇如何使用Beautiful Soup抓取结构化数据。把一些不同的写法汇总、对比列出来。
Beautiful Soup 官方文档较详细，每个方法下也有示例，Beautiful Soup4.2.0 文档 documentation
但没有抓取结构化数据的例子。
Beautiful Soup提供的方法都是按标签查找（select方法可以按标签逐层查找，相当于路径），对比一下XPath是按路径查找。着重讲BS的三个方法。
1. find_all()
find_all( name , attrs , recursive , text , **kwargs )
find_all() 方法搜索当前tag的所有子节点，并判断是否符合过滤器的条件。
soup.find_all("a") ##查找文档中所有的<a>标签
soup.find_all('tr', "item") ##查找tr标签，class="item"
soup.find_all('tr', class_='item')
soup.find_all('tr', attrs={"class": "item"}) # attrs 参数定义一个字典参数来搜索包含特殊属性的tag
带属性的标签，推荐用上面的第2种或第3种写法。
2. find()
find( name , attrs , recursive , text , **kwargs )
find_all()方法返回的是文档中符合条件的所有tag，是一个集合(class 'bs4.element.ResultSet')，find()方法返回的一个Tag(class 'bs4.element.Tag')
3. select()
select可以筛选元素，按标签逐层查找。
soup.select("html head title") ##标签层级查找
soup.select('td div a') ## 标签路径 td --> div --> a
soup.select('td > div > a')
注意，以上按路径 标签之间的空格 td div a，可以用>，但也要注意>与标签之间都有空格。
注意：select()方法指定标签属性可以这样用：
uls = soup.select('a.nbg') # <a class="nbg">
举栗子来说明
还是以 https://book.douban.com/top250为例，抓取图书名，出版社、价格，评分，评价推荐语。
1） 选择数据块（结构化数据）的循环点
在这里：
一个图书所有信息包含在表格的一行中tr
for link in soup.find_all('tr', class_='item'):
## 循环取出单个图书的信息
2）在循环中取每条数据
完整代码：
#-*-coding:utf8-*-
import requests
from bs4 import BeautifulSoup
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
}
url = 'https://book.douban.com/top250'
def get_info2(url):
html = requests.get(url, headers=headers).text
soup = BeautifulSoup(html, 'lxml')
for link in soup.find_all('tr', attrs={"class": "item"}):
name = link.find("a")
print name['href']
info = link.find('p')
print info.text
title = link.find('div')
print (str(title.a.text)).strip()
quote = link.find('span',class_="inq")
if quote:
print quote.text
更多的代码，不同的写法放在Github：https://github.com/ppy2790/BeautifulSoup
使用Beautiful Soup最大不方便的地方，在于需要定位标签时，它没有属性，或者属性不足于支持筛选出要所要的数据。这时就结合select选取路径，或者使用find_next_siblings()等其他方法。如碰到取不到数据或取出来的是空的时候，调试的办法就是往上一级标签找数据。
其他内容可以多看看文档。
