Beautiful Soup (shqyrtues i HTML)
Beautiful Soup është një paketë Python për shqyrtimin e dokumenteve HTML dhe XML (duke përfshirë shënjimin e keqformuar, dmth. etiketat jo të mbyllura, të quajtur kështu sipas supës së etiketave ). Krijon një pemë shqyrtimi për faqet e analizuara që mund të përdoret për të nxjerrë të dhëna nga HTML, [1] e cila është e dobishme për gërvishtjen e uebit . [2] [3]
Beautiful Soup u nis nga Leonard Richardson, i cili vazhdon të kontribuojë në projekt, [4] dhe mbështetet gjithashtu nga Tidelift, një abonim me pagesë për mirëmbajtjen me burim të hapur. [5]
Shembull kodi
RedaktoBeautiful Soup përfaqëson të dhënat e analizuara si një pemë që mund të kërkohet dhe të shëtitet me laqe të zakonshëm në Python. [6] Shembulli i mëposhtëm përdor urllib [7] të librarisë standarde të Python për të ngarkuar faqen kryesore të Wikipedia -s, më pas përdor Beautiful Soup për të analizuar dokumentin dhe për të kërkuar të gjitha lidhjet brenda.
#!/usr/bin/env python3
# Anchor extraction from HTML document
from bs4 import BeautifulSoup
from urllib.request import urlopen
with urlopen('https://en.wikipedia.org/wiki/Main_Page') as response:
soup = BeautifulSoup(response, 'html.parser')
for anchor in soup.find_all('a'):
print(anchor.get('href', '/'))
- ^ Hajba, Gábor László (2018), Hajba, Gábor László (red.), "Using Beautiful Soup", Website Scraping with Python: Using BeautifulSoup and Scrapy (në anglisht), Apress, fq. 41–96, doi:10.1007/978-1-4842-3925-4_3, ISBN 978-1-4842-3925-4
- ^ "Beautiful Soup website". Retrieved 18 April 2012.
Beautiful Soup is licensed under the same terms as Python itself
- ^ Python, Real. "Beautiful Soup: Build a Web Scraper With Python – Real Python". realpython.com (në anglisht). Marrë më 2023-06-01.
- ^ "Code : Leonard Richardson". Launchpad (në anglishte amerikane). Marrë më 2020-09-19.
{{cite web}}: Mirëmbajtja CS1: Gjendja e adresës (lidhja) - ^ Tidelift. "beautifulsoup4 | pypi via the Tidelift Subscription". tidelift.com (në anglisht). Marrë më 2020-09-19.
- ^ "How To Scrape Web Pages with Beautiful Soup and Python 3 | DigitalOcean". www.digitalocean.com (në anglisht). Marrë më 2023-06-01.
- ^ Python, Real. "Python's urllib.request for HTTP Requests – Real Python". realpython.com (në anglisht). Marrë më 2023-06-01.