Tutorial de sopa hermosa
En este tutorial, le mostraremos cómo realizar web scraping en Python usando Beautiful Soup 4 para obtener datos de HTML, XML y otros lenguajes de marcado. En esto, intentaremos eliminar la página web de varios sitios web diferentes (incluido IMDB). Cubriremos la hermosa sopa 4, las herramientas básicas de Python para navegar, buscar y analizar una página web HTML de manera eficiente y clara. Hemos tratado de cubrir casi todas las funcionalidades de Beautiful Soup 4 en este tutorial. Puede combinar múltiples funcionalidades introducidas en este tutorial en un programa más grande para capturar múltiples datos significativos del sitio web en algún otro subprograma como entrada.
Básicamente, este tutorial está diseñado para guiarlo en la creación de una página web. El requisito básico de todo esto es obtener datos significativos de un enorme conjunto de datos desorganizados. El público objetivo de este tutorial puede ser cualquiera de los siguientes:
Cualquiera que quiera saber cómo eliminar una página web en Python usando BeautifulSoup 4.
Cualquier desarrollador / entusiasta de la ciencia de datos o cualquier persona, ¿cómo quiere usar estos datos extraídos (significativos) en diferentes bibliotecas de ciencia de datos de Python para tomar una mejor decisión?
Aunque NO hay ningún requisito obligatorio para este tutorial. Sin embargo, si tiene algunos o todos los conocimientos previos (supercool) sobre cualquiera de las tecnologías mencionadas a continuación, será una ventaja adicional:
Conocimiento de cualquier tecnología relacionada con la web (HTML / CSS / Modelo de objeto de documento, etc.).
Python Language (ya que es el paquete python).
Desarrolladores que tengan conocimientos previos de scraping en cualquier idioma.
Comprensión básica de la estructura de árbol HTML.