Krásná polévka (analyzátor HTML) - Beautiful Soup (HTML parser)

Krásná polévka
Původní autoři	Leonard Richardson
První vydání	2004
Stabilní uvolnění	4.9.1 / 17. května 2020; před 6 měsíci
Úložiště	kód.panel.síť/ beautifulsoup/;
Napsáno	Krajta
Plošina	Krajta
Typ	HTML parser knihovna, Škrábání webu
Licence	Licence Python Software Foundation (Krásná polévka 3 - starší verze) Licence MIT 4+
webová stránka	www.mizerný.com/software/ Krásná polévka/

Krásná polévka je Krajta balíček pro analýzu HTML a XML dokumenty (včetně nesprávného označení, tj. neuzavřených značek, pojmenovaných po nich tag polévka ). Vytvoří analyzovaný strom pro analyzované stránky, který lze použít k extrakci dat z HTML,^[2] což je užitečné pro škrábání webu.^[1]

Nádhernou polévku založil Leonard Richardson, který do projektu nadále přispívá,^[3] a je navíc podporován Tideliftem, placeným předplatným údržby open-source.^[4]

Je k dispozici pro Python 2.7 a Python 3.

Příklad kódu

#! / usr / bin / env python3# Extrakce ukotvení z dokumentu HTMLz bs4 import Krásná polévkaz urllib.request import urlopens urlopen(„https://en.wikipedia.org/wiki/Main_Page“) tak jako Odezva:    polévka = Krásná polévka(Odezva, 'html.parser')    pro Kotva v polévka.najít_všechno('A'):        tisk(Kotva.dostat('href', '/'))

Výhody a nevýhody

Tato tabulka shrnuje výhody a nevýhody každé knihovny parserů^[1]

Analyzátor	Typické použití	Výhody	Nevýhody
Pythonův html.parser	BeautifulSoup (označení, "html.parser")	Středně rychle Lenient (od Pythonu 2.7.3 a 3.2.)	Ne tak rychlý jako lxml, méně shovívavý než html5lib.
analyzátor HTML lxml	BeautifulSoup (označení, „lxml“)	Velmi rychle Shovívavý	Externí závislost C.
analyzátor XML lxml	BeautifulSoup (označení, „lxml-xml“) BeautifulSoup (označení, „xml“)	Velmi rychle Jediný aktuálně podporovaný analyzátor XML	Externí závislost C.
html5lib	BeautifulSoup (označení, "html5lib")	Extrémně shovívavý Analyzuje stránky stejným způsobem jako webový prohlížeč Vytvoří platný HTML5	Velmi pomalý Externí závislost Pythonu

Uvolnění

Beautiful Soup 3 byla oficiální vydávací řada Beautiful Soup od května 2006 do března 2012. Aktuální vydání je Krásná polévka 4.9.1 (17. května 2020). Krásnou polévku 4 můžete nainstalovat pomocí pip nainstalujte beautifulsoup4.

Viz také

Reference

^ ^A ^b ^C „Krásný web s polévkou“. Citováno 18. dubna 2012. Beautiful Soup je licencován za stejných podmínek jako samotný Python
^ Hajba, Gábor László (2018), Hajba, Gábor László (ed.), „Using Beautiful Soup“, Škrábání webových stránek pomocí Pythonu: Používání programu BeautifulSoup a Scrapy, Apress, s. 41–96, doi:10.1007/978-1-4842-3925-4_3, ISBN 978-1-4842-3925-4
^ „Kód: Leonard Richardson“. panel. Citováno 2020-09-19.
^ Tidelift. „beautifulsoup4 | pypi prostřednictvím předplatného Tidelift“. tidelift.com. Citováno 2020-09-19.

Tento počítačová knihovna související článek je a pahýl. Wikipedii můžete pomoci pomocí rozšiřovat to.

[crummy.com-1] A ^b ^C „Krásný web s polévkou“. Citováno 18. dubna 2012. Beautiful Soup je licencován za stejných podmínek jako samotný Python

[2] Hajba, Gábor László (2018), Hajba, Gábor László (ed.), „Using Beautiful Soup“, Škrábání webových stránek pomocí Pythonu: Používání programu BeautifulSoup a Scrapy, Apress, s. 41–96, doi:10.1007/978-1-4842-3925-4_3, ISBN 978-1-4842-3925-4

[3] „Kód: Leonard Richardson“. panel. Citováno 2020-09-19.

[4] Tidelift. „beautifulsoup4 | pypi prostřednictvím předplatného Tidelift“. tidelift.com. Citováno 2020-09-19.

[1]

[2]

[3]

[4]