Web Scraping & Bots · درس

استخراج البيانات باستخدام BeautifulSoup

استخدم BeautifulSoup لتحليل مستندات HTML واستخراج نقاط بيانات محددة باستخدام العلامات والفئات والمعرّفات

استخراج البيانات باستخدام BeautifulSoup درس مجاني في Web Scraping & Bots على CoddyKit. هذا هو الدرس 3 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Web Scraping & Bots، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Web Scraping & Bots 4 دروس في المجموع.

بعض أجزاء هذا الدرس لم تُترجم بعد وتظهر باللغة الإنجليزية.

BeautifulSoup: Your HTML Navigator

You've learned to fetch web page content using requests. But that content is just a big string of HTML!

BeautifulSoup is a Python library that helps you parse (understand) that HTML. It turns the raw HTML into a tree-like structure, making it easy to navigate and extract specific data.

Why Use a Parser?

Imagine trying to find a specific sentence in a book without page numbers or chapters. That's like trying to extract data from raw HTML strings!

BeautifulSoup gives structure to the HTML, allowing you to easily locate elements like headings, paragraphs, or links using their tags, classes, or IDs.

Creating a BeautifulSoup Object

First, you need to import the library and create a BeautifulSoup object. You pass your HTML content and specify a parser, usually 'html.parser'.

from bs4 import BeautifulSoup

html_doc = """<html><head><title>My Page</title></head><body><h1>Hello</h1><p>World</p></body></html>"""

soup = BeautifulSoup(html_doc, 'html.parser')

print(soup.prettify())

Finding Elements by Tag

The simplest way to find elements is by their HTML tag name. You can use soup.find() to get the first matching tag or soup.find_all() to get all matching tags.

find('tag_name'): Returns a single Tag object or None.
find_all('tag_name'): Returns a list of Tag objects.

Code: Finding Tags

Let's find the <title> and all <p> tags in our example HTML.

from bs4 import BeautifulSoup

html_doc = """<html><head><title>My Page</title></head><body><h1>Welcome!</h1><p class='intro'>This is an intro.</p><p>Another paragraph.</p></body></html>"""

soup = BeautifulSoup(html_doc, 'html.parser')

# Find the first title tag
title_tag = soup.find('title')
print(f"Title tag: {title_tag}")

# Find all paragraph tags
paragraph_tags = soup.find_all('p')
print(f"Paragraph tags found: {len(paragraph_tags)}")
for p in paragraph_tags:
    print(f" - {p.get_text()}")

Extracting Text and Attributes

Once you have a Tag object, you can easily get its text content or attribute values.

To get text: Use the .get_text() method.
To get attributes: Access them like a dictionary, e.g., tag['href'] or tag.get('href').

Code: Getting Text and Attributes

Let's extract the text from the <h1> and an attribute from a link.

from bs4 import BeautifulSoup

html_doc = """<html><body><h1 id='main-h1'>Hello CoddyKit</h1><a href='https://example.com' class='btn'>Visit Example</a></body></html>"""

soup = BeautifulSoup(html_doc, 'html.parser')

h1_tag = soup.find('h1')
print(f"H1 Text: {h1_tag.get_text()}")

link_tag = soup.find('a')
print(f"Link Text: {link_tag.get_text()}")
print(f"Link Href: {link_tag['href']}")
print(f"Link Class: {link_tag['class']}")

Finding Elements by Class

Web pages often use CSS classes to style and identify elements. BeautifulSoup lets you search for elements with a specific class using the class_ argument.

Why class_ and not class? Because class is a reserved keyword in Python!

Code: Finding by Class

Here's how to find paragraphs specifically marked with class="intro".

from bs4 import BeautifulSoup

html_doc = """<html><body><p class='intro'>Welcome message.</p><p>Normal text.</p><p class='intro'>Another intro.</p></body></html>"""

soup = BeautifulSoup(html_doc, 'html.parser')

intro_paragraphs = soup.find_all('p', class_='intro')

for p in intro_paragraphs:
    print(f"Found intro: {p.get_text()}")

Finding Elements by ID

HTML IDs are unique identifiers for elements within a page. You can target a specific element using its ID with the id argument.

Since IDs should be unique per page, find() is often sufficient when searching by ID.

Quick Check: Element Selection

Given the HTML snippet below, how would you extract the text 'Item 2'?

<div id="items">
  <span class="item-name">Item 1</span>
  <span class="item-name">Item 2</span>
  <span class="item-name">Item 3</span>
</div>

Recap: BeautifulSoup Basics

Great job! You've learned the fundamentals of extracting data using BeautifulSoup:

Initializing a BeautifulSoup object from HTML.
Finding elements by tag name using find() and find_all().
Extracting text content with .get_text() and attributes with tag['attr'].
Targeting elements precisely using CSS classes with class_.
Locating unique elements with IDs using id.

These methods are your building blocks for parsing web pages efficiently!

الأسئلة الشائعة

هل درس «استخراج البيانات باستخدام BeautifulSoup» مجاني؟

نعم — نص درس «استخراج البيانات باستخدام BeautifulSoup» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Web Scraping & Bots، انتقل إلى CoddyKit PRO. تتضمن دورة Web Scraping & Bots 4 دروس في المجموع.

ماذا ستتعلم في «استخراج البيانات باستخدام BeautifulSoup»؟

استخدم BeautifulSoup لتحليل مستندات HTML واستخراج نقاط بيانات محددة باستخدام العلامات والفئات والمعرّفات تتمرن على Web Scraping & Bots مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ Web Scraping & Bots؟

لا تُشترط خبرة سابقة. Web Scraping & Bots على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 3 من أصل 4.

كم من الوقت يستغرق درس «استخراج البيانات باستخدام BeautifulSoup»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس Web Scraping & Bots هذا؟

نعم. كل درس في Web Scraping & Bots يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

← العودة إلى Web Scraping & Bots