Homeმონაცემთა მეცნიერებაBeautiful Soup (მონაცემების ამოღება HTML ფაილიდან)

Beautiful Soup (მონაცემების ამოღება HTML ფაილიდან)

მონაცემთა ანალიტიკოსს ხშირად უწევს მონაცემების ამოღება ვებ საიტებიდან,რათა მოახდინოს მათი ანალიზი. ამისათვის გამოიყენებენ სხვადასხვა ბიბლიოთეკებს და რესურსებს. Beautiful Soup-ი წარმოადგენს ერთერთ მადგანს.

ვებ საიტები დამზადებულია  HTML-ის დახმარებით, Beautiful Soup-ი ახდენს მონაცემების ამოღებას თითოეული ფრაგმენტიდან

მოვიყვანთ ნიმუშს HTML ფაილის

<!DOCTYPE html>
<html>
   <head>
      <title>Data Science Course</title>
      <style></style>
   </head>
   <body>
      <h1 class="my-heading"> This is a Heading Tag </h1>
      <p id="my-paragraph"> This is a paragraph in Data Science Course </p>
      <em> This is an emphasis tag in Data Science Course </em>
      <b> This is a tag for Bold Text </b>
      <i> This is a tag for italic text </i>
      <small> This is a tag for small text </small>
      <u> This is a tag for underlined text </u>
      <a href="https://www.educative.io/"> This is a link to Educative Home Page </a>
      <a href="https://www.facebook.com/"> This is a link to Facebook Home Page </a>
      <a href="https://twitter.com/"> This is a link to Twitter Home Page </a>
      
      <script></script>
   </body>
</html>

ჩვენ ვხედავთ სხვადასხა ტეგებს,Beautiful Soup-ს შეუძლია ამ ტეგებიდან ინფორმაციის ამოღება. აი როგორ გამოიყურება მოცემული კოდი

# Importing the Libraries
from bs4 import BeautifulSoup

# Creating the Soup Object from the HTML page
html_page = """
<!DOCTYPE html>
<html>
   <head>
      <title>Data Science Course</title>
      <style></style>
   </head>
   <body>
      <h1 class="my-heading"> This is a Heading Tag </h1>
      <p id="my-paragraph"> This is a paragraph in Data Science Course </p>
      <em> This is an emphasis tag in Data Science Course </em>
      <b> This is a tag for Bold Text </b>
      <i> This is a tag for italic text </i>
      <small> This is a tag for small text </small>
      <u> This is a tag for underlined text </u>
      <a href="https://www.educative.io/"> This is a link to Educative Home Page </a>
      <a href="https://www.facebook.com/"> This is a link to Facebook Home Page </a>
      <a href="https://twitter.com/"> This is a link to Twitter Home Page </a>
      
      <script></script>
   </body>
</html>
"""

soup = BeautifulSoup(html_page)

# Getting the title tag of Html
print("The <title> tag in the corresponding HTML is \n")
print(soup.title)
print("\n")


# Getting the head tag of Html
print("The <head> tag in the corresponding HTML is \n")
print(soup.head)
print("\n")


# Getting the name of the title tag
print("The name of the <title> tag is \n")
print(soup.title.name)
print("\n")


# Getting the name of the head tag
print("The name of the <head> tag is \n")
print(soup.head.name)
print("\n")


# Getting the Text inside the title tag
print("The text inside the <title> tag is \n")
print(soup.title.string)
print("\n")


# Getting the Text inside the head tag
print("The text inside the <head> tag is \n")
print(soup.head.string)
print("\n")


# Displaying all the anchor tags in the HTML
print("Anchor tags present in the HTML are")
print(soup.find_all('a'))
print("\n")


# Display the links being used in the anchor tag
for link in soup.find_all('a'):
    print("Link URL: {}".format(link.get('href')))
    print("Anchor Text: {}".format(link.text))
    print("\n")

Related Posts

Add a Comment

თქვენი ელფოსტის მისამართი გამოქვეყნებული არ იყო. აუცილებელი ველები მონიშნულია *