ซุปตาร์สวย - ซุปตาร์
ในตัวอย่างโค้ดก่อนหน้านี้เราแยกวิเคราะห์เอกสารผ่านตัวสร้างที่สวยงามโดยใช้วิธีสตริง อีกวิธีหนึ่งคือการส่งเอกสารผ่าน open filehandle
from bs4 import BeautifulSoup
with open("example.html") as fp:
soup = BeautifulSoup(fp)
soup = BeautifulSoup("<html>data</html>")ขั้นแรกเอกสารจะถูกแปลงเป็น Unicode และเอนทิตี HTML จะถูกแปลงเป็นอักขระ Unicode: </p>
import bs4
html = '''<b>tutorialspoint</b>, <i>&web scraping &data science;</i>'''
soup = bs4.BeautifulSoup(html, 'lxml')
print(soup)เอาต์พุต
<html><body><b>tutorialspoint</b>, <i>&web scraping &data science;</i></body></html>จากนั้น BeautifulSoup จะแยกวิเคราะห์ข้อมูลโดยใช้ตัวแยกวิเคราะห์ HTML หรือคุณบอกให้แยกวิเคราะห์โดยใช้ตัวแยกวิเคราะห์ XML
โครงสร้างต้นไม้ HTML
ก่อนที่เราจะดูส่วนประกอบต่างๆของหน้า HTML ให้เราทำความเข้าใจโครงสร้างต้นไม้ HTML ก่อน
องค์ประกอบรากในแผนผังเอกสารคือ html ซึ่งสามารถมีพ่อแม่ลูกและพี่น้องและสิ่งนี้กำหนดโดยตำแหน่งในโครงสร้างต้นไม้ หากต้องการย้ายไปมาระหว่างองค์ประกอบ HTML แอตทริบิวต์และข้อความคุณต้องย้ายไปมาระหว่างโหนดในโครงสร้างต้นไม้ของคุณ
ให้เราสมมติว่าหน้าเว็บดังที่แสดงด้านล่าง -
ซึ่งแปลเป็นเอกสาร html ดังนี้ -
<html><head><title>TutorialsPoint</title></head><h1>Tutorialspoint Online Library</h1><p<<b>It's all Free</b></p></body></html>ซึ่งหมายความว่าสำหรับเอกสาร html ด้านบนเรามีโครงสร้างต้นไม้ html ดังนี้ -
