iGuo，就读于厦门大学王亚南经济研究院，China's Prices Project leader。擅长的领域主要是数据分析相关，包括爬虫、数据清洗、数据分析、数据可视化等，正在研究海量数据的计算和挖掘。GitHub：https://github.com/Guo-Zhang项目地址：https://github.com/xmucpp
本篇我们主要讲一下第一篇教程提到的解析。这次我们换一个更复杂的例子，主要教一下大家如何使用审查元素找到我们需要的数据。这只是一个初步的对于HTML解析的方法，更多奇怪的问题，我们会在之后的教程通过实例一个一个深入探讨。
今天我们的示例网页是：巨潮资讯网，我们的目标是获取所有的股票代码和对应的公司名称。
一、HTML简介
HTML是一种标记语言。作为“标记语言”，需要有标记符号去标记。我们简单介绍一下一些标记。
为了和爬虫更好地结合一下，我们教一下大家使用审查元素。我们打开示例网页，然后点击右键，选择“审查元素”或者“检查元素”，然后把标签都收起来，收到这样：
首先我们看到最基本的几个标签：
"html"定义了这个文件是个HTML，"head"定义了标题，就是这个：
"body"里面的就是网页里面的正文。后面一个斜杠加一个同样名字的标签代表这部分结束。
好的，我们继续往下。对着某一个我们需要的数据，比如
点击“审查元素”，我们会看到：
开发者工具很好地显示了HTML的层层逻辑。我们在这里列举一下我们经常见到的一些标签。（关于标签详细含义的介绍，请戳本节结束的参考资料。）
我们再观察一下我们需要的数据的那段HTML：
我们看到，在标签的里面还有一些XX="XX"的东西，这个是标签的属性。（具体的含义我们也不多介绍，如果想深入了解，请戳本节结束的参考资料。）
一些基本的概念就讲到这里。也许你会以为这还不够。这当然不够，但是对于bs4的一些基本用法已经足够了。
参考资料：W3School是一套非常好的Web开发教程。关于HTML，请戳：HTML 简介
二、bs4解析HTML
这次我们使用IDLE来编写程序。
在使用之前，你需要下载一下这个第三方库。
我们打开一个新文件：
然后按照第二讲的请求方法，先把HTML请求下来：
接着，我们在审查元素里面去找我们需要的数据（见本篇第一部分）。我们接下来要做的事情是，用bs4这个强大的工具，通过前面提到的标签和标签的属性定位到某个标签。
首先我们要导入模块并创建一个BeautifulSoup对象：
后面的这个参数是解析器。关于解析器的选择，请参考官方文档：Beautiful Soup 4.2.0 文档。我们这里使用Python自带的解析器，这样可以避免Windows下坑爹的lxml安装问题。
事实上，找合适的标签这个技能有很多简便的实现方式和技巧。但是对于新手来说，最简单的方法反而是一个一个标签定位下去。这小段代码就示例了这个过程。从代码我们可以看到，直接索引和用find方法都是可以的。find方法里面也可以加上attrs参数，然后用字典传入我们想找的标签属性。
一个小Tip：HTML的标签习惯用“-”连接，比如“list-ct”，而不是“_”，比如
继续往下解析：
如果我们想取出某一类标签下所有的HTML，那就用find_all方法就可以。如果我们想要某个标签属性里面的值，那么就用字典的语法索引就可以。如果我们想要标签里面的文字，就使用get_text方法。
这里我们仍然只是把结果print出来，在下一讲再说储存：
我们把上面的函数拼到一起：
运行结果：
更多bs4用法，请戳官方文档：Beautiful Soup 4.2.0 文档
三、完整代码示例
亚伦·斯沃茨（英语：Aaron Hillel Swartz；1986年11月8日－2013年1月11日），web.py创始人、著名黑客。作家、政治组织者、互联网活动家、维基百科人。
