Beautiful Soup — це модуль Python для аналізу HTML і XML документів. Він створює дерево аналізу для розібраних сторінок, яке можна використовувати для вилучення даних з HTML, що часто використовують для вебскрапінгу.
Beautiful Soup був започаткований Леонардом Річардсоном, який і продовжує робити свій внесок , проект додатково підтримується завдяки Tidelift, платній підписці на підтримку проектів з відкритим кодом.
Модуль доступний для Python 2.7 і Python 3. #!/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', '/'))
Переваги та недоліки парсерів Ця таблиця підсумовує переваги та недоліки кожної бібліотеки аналізаторів ParserTypical usageAdvantagesDisadvantagesPython’s html.parserBeautifulSoup(markup, "html.parser") Moderately fast Гнучкий (Для Python 2.7.3 та 3.2.) Не такий швидкий, як lxml, не такий гнучкий, як html5liblxml’s HTML parserBeautifulSoup(markup, "lxml") Дуже швидкий Гнучкий Зовнішня C залежністьlxml’s XML parserBeautifulSoup(markup, "lxml-xml") BeautifulSoup(markup, "xml") Дуже швидкий Єдиний парсер XML на даний момент Зовнішня C залежність html5libBeautifulSoup(markup, "html5lib") Дуже гнучкий Парсер працює по аналогії з браузером Створює правильний HTML5 Дуже повільний Зовнішня Python залежність
Реліз Beautiful Soup 3 був офіційним релізом Beautiful Soup з травня 2006 року по березень 2012 року. Поточна версія Beautiful Soup 4.x. Beautiful Soup 4 можна встановити за допомогою pip install beautifulsoup4.
Посилання