Beautiful Soup ist ein Python-Paket zum Abrufen von Daten aus HTML-, XML-Dokumenten und anderen Auszeichnungssprachen. Wir können dieses Paket zum Abrufen von Daten aus Java-Skript oder zum dynamischen Laden von Seiten verwenden. Es ruft nur den Inhalt der URL ab, die Sie angeben, und stoppt dann.

Die Installation von Beautiful Soup ist so einfach für Ihre Python-Umgebung. Geben Sie einfach pip install bs4 ein.

pip install bs4

BeaufulSoup(markup,"html.parser") Vorteile : Inklusive Batterien, Anständige Geschwindigkeit. Nachteile : Nicht so schnell wie lxml, weniger nachsichtig als html5lib

BeaufulSoup(markup,"lxml") Vorteile : Sehr schnell, Nachsichtig. Nachteile : Externe C-Abhängigkeit

BeaufulSoup(markup,"xml") Vorteile : Sehr schnell, Der einzige derzeit unterstützte XML-Parser. Nachteile : Externe C-Abhängigkeit

BeaufulSoup(markup,"html5lib") Vorteile : Erstellt gültiges HTML5. Nachteile : Sehr langsam, externe C-Abhängigkeit

— — — — — — — — — — — — — — — — — — — — — — — — — —

Projekt-1) Untersuchen Sie das grundlegende HTML-Dokument

Wir werden prüfen, ob wir mithilfe der BeautifulSoup-Bibliothek Daten aus einem einfachen HTML-Dokument abrufen können. Wie Sie sehen, haben wir BeautfitulSoup aus dem bs4-Paket importiert und in die Suppe analysiert. Beim Analysieren des Dokuments haben wir die Methode html.parser verwendet.

Machen wir unser HTML-Dokument mit der Methode prettifty() hübsch

print(soup.prettify())
<html>
 <head>
  <title>
   Python's awsome
  </title>
 </head>
 <body>
  <p class="title">
   <b>
    We will list python authors
   </b>
  </p>
  <div class="list-authors">
   <span class="descriptor">
    Python is Everywhere
   </span>
   <a href="http://1.com" id="link1">
    Messi
   </a>
   ,
   <a href="http://2.com" id="link2">
    Ronaldo
   </a>
  </div>
 </body>
</html>

print(soup.title)
<title>Python's awsome</title>
print(soup.title.text)
Python's awsome
print(soup.title.name)
title
print(soup.title.string)
Python's awsome
print(soup.title.parent.name)
head
print(soup.p)
<p class="title"><b>We will list python authors</b></p>
print(soup.p.text)
We will list python authors
print(soup.a)
<a href="http://1.com" id="link1">Messi</a>
print(soup.a.text)
Messi
print(soup.div)
<div class="list-authors">
<span class="descriptor">Python is Everywhere</span>
<a href="http://1.com" id="link1">Messi</a>,
<a href="http://2.com" id="link2">Ronaldo</a>
</div>
print(soup.div.text)
Python is Everywhere
Messi,
Ronaldo
print(soup.div['class'])
['list-authors']
print(soup.find_all('a'))
[<a href="http://1.com" id="link1">Messi</a>, <a href="http://2.com" id="link2">Ronaldo</a>]
print(soup.get_text())
Python's awsome
We will list python authors
Python is Everywhere
Messi,
Ronaldo
Zidan
print(soup.find_all('a', attrs={'id': 'link2'}))
[<a href="http://2.com" id="link2">Ronaldo</a>]
print(soup.find_all('div', attrs={'class': 'list-authors'}))
[<div class="list-authors">
<span class="descriptor">Python is Everywhere</span>
<a href="http://1.com" id="link1">Messi</a>,
<a href="http://2.com" id="link2">Ronaldo</a>
</div>]
for link in soup.find_all('a'):
    print(link.get('href'))
http://1.com
http://2.com
print(soup.find_all('a', href=True))
[<a href="http://1.com" id="link1">Messi</a>, <a href="http://2.com" id="link2">Ronaldo</a>]

Projekt-2) Holen Sie sich spezielle href von div-Tags

So erhalten Sie www.ios.com -Daten aus diesem einfachen HTML-Dokument.

test5 = soup.select('.test5 a') 
for a in test5:     
    print(a['href'])
www.ios.com

Holen Sie sich 10 GB von Span Tag

print(soup.find("span").text)
10 GB
print(soup.select_one("span").text)
10 GB
print(soup.select_one("span[title*=RAM]").text)
10 GB

Projekt-4)

Wir werden weitermachen…