آموزش Beautiful Soup

معرفی Beautiful Soup

کتابخانه پایتون مجموعه ای از توابع و متد ها است که به شما اجازه می دهد تا بسیاری از اقدامات را بدون نوشتن کد انجام دهید. یکی از این کتابخانه ها Beautiful Soup نام دارد که کتابخانه پایتون است و برای پروژه های سریع مانند screen-scraping طراحی شده است.

Beautiful Soup چیست؟

Beautiful Soup یک کتابخانه پایتون برای استخراج داده ها از فایل های HTML و XML است. Beautiful Soup با تجزیه کننده دلخواه شما برای ارائه راه هایی برای ناوبری، جستجو و اصلاح درخت تجزیه کار می کند. معمولا Beautiful Soup موجب صرفه جویی در ساعت کاری برنامه نویسان می شود.

ویژگی های Beautiful Soup

Beautiful Soup چند متد ساده و اصطلاحات Pythonic را برای ناوبری، جستجو و اصلاح یک درخت تجزیه فراهم می کند: یک ابزار برای تشخیص یک سند و استخراج هرآنچه که شما نیاز دارید. برای نوشتن یک اپلیکیشن، نیازی به کدنویسی زیاد نیست.

Beautiful Soup به طور خودکار اسناد ورودی به Unicode و اسناد خروجی را به UTF-8 تبدیل می کند. شما لازم نیت که نگران encoding باشید مگر اینکه سند encoding را مشخص نکند و Beautiful Soup نتواند آن را شناسایی کند. سپس شما فقط باید encoding اصلی را مشخص کنید.

Beautiful Soup در بالای تجزیه کننده های محبوب پایتون مانند lxml و html5lib قرار دارد و به شما این امکان را می دهد تا استراتژی های مختلف تجزیه یا سرعت تجارت را برای انعطاف پذیری امتحان کنید.

Beautiful Soup هر چیزی را که به آن می دهید تجزیه می کند. می توانید به آن بگویید “تمام لینک ها را پیدا کن” یا “تمام لینک های کلاس externalLink را پیدا کن”.

داده های باارزش قفل شده موجود در وب سایت هایی که ضعیف طراحی شده اند قابل دسترسی هستند. انجام پروژه هایی که ساعت ها به طول می انجامید با Beautiful Soup در چند انجام می شوند.

مقایسه Scrapy و Beautiful Soup

Scrapy یک Web-spider یا فریمورک web scraper می باشد که به آن یک مسیر URL می دهید تا شروع به crawling کند. سپس می توانید مشخص کنید چه تعداد URL می خواهید crawl  و  fetchشوند. در واقع Scrapy یک فریمورک کامل برای web-scraping یا crawling است. اما Scrapy زمانیکه داده ها از جاوا اسکریپت استخراج یا به صورت پویا بارگذاری می شوند دارای محدودیت هایی است که می توانیم با استفاده از بسته هایی مانند splash، selenium و غیره بر آنها غلبه کنیم.

BeautifulSoup یک کتابخانه تجزیه کننده است که محتویات را از URL استخراج می کند و اجازه می دهد تا شما برخی از بخش های مهم را بدون هیچ زحمتی تجزیه کنید. فقط محتویات URL که شما انتخاب کرده اید را استخراج می کند و سپس آن را متوقف می کند. هیچ گاه کار crawl را انجام نمی دهد مگر اینکه به صورت دستی آن را در داخل یک حلقه بی نهایت با معیارهای خاص قرار دهید.

Beautiful Soup یک کتابخانه پایتون برای استخراج داده ها از فایل های HTML و XML است که می توان زمانیکه داده ها از جاوا اسکریپت استخراج یا به صورت پویا بارگذاری می شوند از آن به راحتی استفاده کرد.

به طور خلاصه با Beautiful Soup می توانید چیزی شبیه Scrapy را بسازید. Beautiful Soup یک کتابخانه است در حالی که Scrapy یک فریمورک کامل است.

Scrapy با BeautifulSoup یکی از بهترین ترکیب هایی است که ما می توانیم برای scraping محتواهای استاتیک و پویا استفاده کنیم.

  • آموزش Web Scraping با Python 

آموزش Web Scraping با Python 

سه شنبه ۲۶ دی ۱۳۹۶ - ساعت ۱۶:۰۰
  • آموزش BeautifulSoup در Python

آموزش BeautifulSoup در Python

سه شنبه ۲۶ دی ۱۳۹۶ - ساعت ۰۰:۰۰