目次
日本語訳ドキュメント・ヘルプ
ありがたいです
ImportError: cannot import name ‘Beaufifulsoup’ from ‘bs4’エラーの解決
パッケージインストールでpip3 install Beautifulsoupは行っているが、pip3 install bs4を行っていない。（俺の場合これで解決。…なんでかよくわからないけど。）
もしくは
・HTMLParser.pyなどbs4 moduleの中ですでに使われているファイル名にしない
・bs4 と beautifulsoup4-4.6.0.dist-infoのファイルを作業中のディレクトリにコピーする
html.parser
html.parserはpython3に予め組み込まれているパーサ。他に使われるパーサとしてはlxmlやhtml5libがある。
pip3 install lxml
pip3 install html5lib
で使用することが出来る。
html.parser…デフォルト。（Pure）Pythonで書かれている。規則のミスがあるHTMLコードだと上手くパース出来ない。
lxml…C言語(Ctyhonでチューニングされている)、Cライブラリに依存。バランスが良い。
html5lib…html5の規則に対応。HTML構文に問題があっても修正して読み込める。ただ、遅い。
パーサー(parser)とは、一定の規則で記述されたテキストを解析し、プログラムで扱いやすいようなデータに変換する処理のことです。日本語では「構文解析」と言います。
find() / find_all()
3種類の引数指定をよく使う
find(tag, attributes ,keywords)
tag…タグ/タグの名前の文字列のリストを渡す。
（例）.find_all(['h1' ,'h2' ,'h3'])
attibutes…属性のpython辞書から、その属性を含むタグに対応させる。
（例）.find_all('span' , {'class' :{'test'}})
keywords(キーワード)…特別な属性を持つタグを選べる。
→正規表現でも可能
class属性で要素を探すとき、classはPython予約語であるため使えない（引数に限らず変数でも使えない）。class_とすることで使用できる。
.find_all(class_='test')
findAll(name=None, attrs={}, recursive=True, text=None, limit=None, **kwargs)
ツリー構造
BeautifulSoupは一般的に現在選ばれているタグの子孫（descendants）を扱う。
子孫の内、子だけを探すなら.children
.next_siblings…(次の)兄弟。
.previous_siblings…(前の)兄弟。
.parent や .parents…親。
prettify()
整形してHTMLを表示
print(bs.prettify())
.get_text()
文章からタグを除き、テキストだけの文字列を返す。
BeautifulSoupオブジェクト
・BeautifulSoupオブジェクト
・Tagオブジェクト
→findなどで得られる個別オブジェクト/オブジェクトのリスト
・NavigableStringオブジェクト
→タグ内のテキストを表現。タグそのものではない。
・Commentオブジェクト
→HTMLコメントを見つけるために使われる。
その他
イテレーション 【 iteration 】
イテレーションとは、反復、繰り返しという意味の英単語。
集合
Pythonには標準のデータ型として集合を扱うset型が用意されている。
set型は重複しない要素（同じ値ではない要素、ユニークな要素）のコレクション
Pythonで例外（実行中に検出されたエラー）をキャッチして処理するにはtry, exceptを使う。例外が発生しても途中で終了させずに処理を継続できる。さらにelse, finallyを使うことで終了時の処理を設定することが可能。
リストの要素を結合する
join()関数は、文字列のリストを一つの文字列に結合することができます。join()関数では、区切り文字を指定することもできます。
