Güzel Çorba, HTML, XML belgeleri ve diğer biçimlendirme dillerinden veri almak için bir Python paketidir. Java betiğinden veri almak veya sayfaları dinamik olarak yüklemek için bu paketi kullanabiliriz. Yalnızca verdiğiniz URL'nin içeriğini alır ve sonra durur.

Güzel Çorba kurulumu Python ortamınız için çok kolaydır. Sadece pip install bs4 yazın.

pip install bs4

BeaufulSoup(markup,"html.parser") Avantajlar : Piller dahil, Makul hız. Dezavantajları : lxml kadar hızlı değil, html5lib'den daha az esnek

BeaufulSoup(markup,"lxml") Avantajları : Çok hızlı, Esnek. Dezavantajları : Harici C bağımlılığı

BeaufulSoup(markup,"xml") Avantajları : Çok hızlı, Şu anda desteklenen tek XML ayrıştırıcı. Dezavantajları : Harici C bağımlılığı

BeaufulSoup(markup,"html5lib") Avantajlar : Geçerli HTML5 oluşturur. Dezavantajları : Çok yavaş, Dış C bağımlılığı

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

Proje-1) Temel Html belgesini inceleyin

BeautifulSoup kütüphanesini kullanarak basit Html belgesinden veri almak için inceleyeceğiz. Gördüğünüz gibi BeautfitulSoup'u bs4 paketinden alıp çorbaya ayrıştırdık. Belgeyi ayrıştırırken html.parser yöntemini kullandık.

prettitifty() yöntemiyle html belgemizi güzel hale getirelim

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>]

Project-2) div etiketlerinden özel href alın

Bu basit html belgesinden www.ios.com verileri nasıl alınır.

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

Span Tag'den 10 gb alın

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

Proje-4)

Devam edeceğiz…