Beautiful Soup
پارس HTML و استخراج داده وب
۴.۷۶ از ۵
پایتون
این کتابخانه چیست و چه میکند؟
Beautiful Soup HTML را به درخت قابل جستجو تبدیل میکند: با find و select میتوانید هر تگ و متن را از صفحه بیرون بکشید. همراه با requests، ابزار کلاسیک وباسکرپینگ پایتون است — استخراج قیمتها، عناوین خبر و داده جدولها.
قابلیتهای کلیدی
- جستجو با نام تگ و کلاس CSS
- انتخابگرهای CSS با select()
- مقاوم در برابر HTML خراب
- استخراج متن و اتریبیوتها
مثال کاربردی واقعی
قابل اجراimport requests
from bs4 import BeautifulSoup
html = requests.get('https://example.com/blog').text
soup = BeautifulSoup(html, 'html.parser')
for article in soup.select('article.post'):
title = article.find('h2').get_text(strip=True)
link = article.find('a')['href']
print(title, '→', link)
توضیح مثال: صفحه گرفته، پارس میشود و همه مقالهها با انتخابگر CSS استخراج میشوند؛ select با سینتکس CSS کار میکند پس دانش شما از دوره CSS مستقیم بهکار میآید.
نکات حرفهای
- قبل از اسکرپینگ، robots.txt و شرایط سایت مقصد را رعایت کنید.
- برای صفحات داینامیک جاوااسکریپتی، Playwright را جایگزین کنید.