Um Attributwerte mit Beautiful Soup zu extrahieren, müssen wir das HTML-Dokument analysieren und dann die erforderlichen Attributwerte extrahieren. BeautifulSoup ist eine Python-Bibliothek zum Parsen von HTML- und XML-Dokumenten. BeautifulSoup bietet mehrere Möglichkeiten zum Durchsuchen und Navigieren in Analysebäumen, um Daten einfach aus Dokumenten zu extrahieren. In diesem Artikel extrahieren wir Attributwerte mithilfe von Beautiful Soup in Python.
Algorithmus
Sie können Attributwerte mit Beautiful Soup in Python extrahieren, indem Sie dem unten angegebenen Algorithmus folgen.
Verwenden Sie die BeautifulSoup-Klasse in der bs4-Bibliothek, um HTML-Dokumente zu analysieren.
Verwenden Sie die entsprechende BeautifulSoup-Methode (z. B. find() oder find_all()), um das HTML-Element zu finden, das das Attribut enthält, das Sie extrahieren möchten.
Verwenden Sie eine bedingte Anweisung oder die Methode has_attr(), um zu überprüfen, ob das Attribut für das Element vorhanden ist.
Wenn das Attribut vorhanden ist, extrahieren Sie seinen Wert mit eckigen Klammern ([]) und dem Attributnamen als Schlüssel.
Wenn die Eigenschaft nicht existiert, behandeln Sie den Fehler bitte entsprechend.
Installieren Sie Beautiful Soup
Bevor Sie die Beautiful Soup-Bibliothek verwenden, müssen Sie sie mit dem Python-Paketmanager, dem Befehl pip, installieren. Um Beautiful Soup zu installieren, geben Sie die folgenden Befehle in das Terminal oder die Eingabeaufforderung ein.
pip install beautifulsoup4
Nach dem Login kopieren
Attributwerte extrahieren
Um Attributwerte aus HTML-Tags zu extrahieren, müssen wir zunächst BeautifulSoup verwenden, um das HTML-Dokument zu analysieren. Verwenden Sie dann die Beautiful Soup-Methode, um die Attributwerte bestimmter Tags im HTML-Dokument zu extrahieren.
Beispiel 1: Extrahieren Sie das href-Attribut mit der Methode find() und eckigen Klammern
Im folgenden Beispiel erstellen wir zunächst ein HTML-Dokument und übergeben es als String an den Beautiful Soup-Konstruktor mit dem Parsertyp html.parser. Als nächstes finden wir das „a“-Tag mithilfe der find()-Methode des Suppenobjekts. Dadurch wird das erste Vorkommen des „a“-Tags im HTML-Dokument zurückgegeben. Schließlich extrahieren wir den Wert des href-Attributs aus dem „a“-Tag mithilfe der eckigen Klammernotation. Dadurch wird der Wert des href-Attributs als String zurückgegeben.
from bs4 import BeautifulSoup
# Parse the HTML document
html_doc = """
<html>
<body>
<a href="https://www.google.com">Google</a>
</body>
</html>
"""
soup = BeautifulSoup(html_doc, 'html.parser')
# Find the 'a' tag
a_tag = soup.find('a')
# Extract the value of the 'href' attribute
href_value = a_tag['href']
print(href_value)
Nach dem Login kopieren
Ausgabe
https://www.google.com
Nach dem Login kopieren
Beispiel 2: Verwenden Sie attr, um Elemente mit bestimmten Attributen zu finden
Im folgenden Beispiel verwenden wir die Methode find_all(), um alle „a“-Tags mit dem href-Attribut zu finden. Der Parameter „attrs“ wird verwendet, um die gesuchten Attribute anzugeben. „{‘href‘: True}“ gibt an, dass wir Elemente mit einem href-Attribut eines beliebigen Werts finden möchten.
from bs4 import BeautifulSoup
# Parse the HTML document
html_doc = """
<html>
<body>
<a href="https://www.google.com">Google</a>
<a href="https://www.python.org">Python</a>
<a>No Href</a>
</body>
</html>
"""
soup = BeautifulSoup(html_doc, 'html.parser')
# Find all 'a' tags with an 'href' attribute
a_tags_with_href = soup.find_all('a', attrs={'href': True})
for tag in a_tags_with_href:
print(tag['href'])
Nach dem Login kopieren
Ausgabe
https://www.google.com
https://www.python.org
Nach dem Login kopieren
Beispiel 3: Verwenden Sie die Methode find_all(), um alle Vorkommen eines Elements zu finden
Manchmal möchten Sie möglicherweise alle Vorkommen von HTML-Elementen auf einer Webseite finden. Sie können dies mit der Methode find_all() erreichen. Im folgenden Beispiel verwenden wir die Methode find_all(), um alle div-Tags mit Klassencontainer zu finden. Anschließend durchlaufen wir jedes div-Tag und finden die darin enthaltenen h1- und p-Tags.
from bs4 import BeautifulSoup
# Parse the HTML document
html_doc = """
<html>
<body>
<div class="container">
<h1>Heading 1</h1>
<p>Paragraph 1</p>
</div>
<div class="container">
<h1>Heading 2</h1>
<p>Paragraph 2</p>
</div>
</body>
</html>
"""
soup = BeautifulSoup(html_doc, 'html.parser')
# Find all 'div' tags with class='container'
div_tags = soup.find_all('div', class_='container')
for div in div_tags:
h1 = div.find('h1')
p = div.find('p')
print(h1.text, p.text)
Nach dem Login kopieren
Ausgabe
Heading 1 Paragraph 1
Heading 2 Paragraph 2
Nach dem Login kopieren
Beispiel 4: Verwenden von select() zum Suchen von Elementen über CSS-Selektoren
Im folgenden Beispiel verwenden wir die Methode select(), um alle h1-Tags in einem div-Tag mit Klassencontainer zu finden. Hierzu wird der CSS-Selektor 'div.container h1' verwendet. . wird zur Darstellung von Klassennamen und Leerzeichen zur Darstellung von Nachkommenselektoren verwendet.
from bs4 import BeautifulSoup
# Parse the HTML document
html_doc = """
<html>
<body>
<div class="container">
<h1>Heading 1</h1>
<p>Paragraph 1</p>
</div>
<div class="container">
<h1>Heading 2</h1>
<p>Paragraph 2</p>
</div>
</body>
</html>
"""
soup = BeautifulSoup(html_doc, 'html.parser')
# Find all 'h1' tags inside a 'div' tag with class='container'
h1_tags = soup.select('div.container h1')
for h1 in h1_tags:
print(h1.text)
Nach dem Login kopieren
Ausgabe
Heading 1
Heading 2
Nach dem Login kopieren
Fazit
In diesem Artikel haben wir besprochen, wie man mithilfe der Beautiful Soup-Bibliothek in Python Attributwerte aus HTML-Dokumenten extrahiert. Mithilfe der von BeautifulSoup bereitgestellten Methoden können wir die erforderlichen Daten problemlos aus HTML- und XML-Dokumenten extrahieren.
Das obige ist der detaillierte Inhalt vonExtrahieren Sie Attributwerte mit Beautiful Soup in Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
