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 اجرا
import 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.