0Pricing
Python Academy · Leçon

Analyser du HTML avec BeautifulSoup

Parcourez l’arbre syntaxique et extrayez des données avec des sélecteurs.

Analyser du HTML avec BeautifulSoup est une leçon Python Academy gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Python Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Python Academy comprend 4 leçons au total.

Installer BeautifulSoup

beautifulsoup4 analyse HTML et XML. Utilisez l'analyseur lxml pour la rapidité ou html.parser pour ne dépendre d'aucune bibliothèque supplémentaire.

# pip install beautifulsoup4 lxml
from bs4 import BeautifulSoup

html = "<h1>Hello</h1><p class='intro'>World</p>"
soup = BeautifulSoup(html, "lxml")
print(soup.h1.text)   # Hello

Rechercher des éléments

find(tag) renvoie le premier élément correspondant. find_all(tag) renvoie une liste de tous les éléments correspondants.

from bs4 import BeautifulSoup

html = "<ul><li>A</li><li>B</li><li>C</li></ul>"
soup = BeautifulSoup(html, "lxml")
print(soup.find("li").text)       # A
print([li.text for li in soup.find_all("li")])  # [A,B,C]

Sélecteurs CSS

soup.select("css selector") utilise la syntaxe CSS. soup.select_one() renvoie la première correspondance.

from bs4 import BeautifulSoup

html = '<div class="card"><a href="/p/1">Link 1</a></div>'
soup = BeautifulSoup(html, "lxml")
print(soup.select("div.card a")[0]["href"])   # /p/1
print(soup.select_one("a")["href"])          # /p/1

Accéder aux attributs

Accédez aux attributs d'une balise comme à ceux d'un dictionnaire : tag["href"], tag.get("class", []).

from bs4 import BeautifulSoup

html = '<a href="https://example.com" class="link external">Click</a>'
soup = BeautifulSoup(html, "lxml")
a = soup.find("a")
print(a["href"])           # https://example.com
print(a.get("class", [])) # ['link', 'external']

Parcourir l'arbre d'analyse

Utilisez .parent, .children, .next_sibling et .previous_sibling pour parcourir l'arbre.

from bs4 import BeautifulSoup

html = "<div><h2>Title</h2><p>Para</p></div>"
soup = BeautifulSoup(html, "lxml")
h2 = soup.find("h2")
print(h2.parent.name)         # div
print(h2.next_sibling.text)   # Para (next sibling)

Extraire du texte

tag.get_text(separator=" ", strip=True) renvoie tout le texte contenu dans une balise, après nettoyage des espaces.

from bs4 import BeautifulSoup

html = "<div>  <p>Hello</p>  <p> World </p>  </div>"
soup = BeautifulSoup(html, "lxml")
print(soup.div.get_text(separator=" ", strip=True))
# Hello World

Extraire des données avec requests et BeautifulSoup

Récupérez une page avec requests et analysez-la avec BeautifulSoup — le duo classique pour l'extraction de données web.

import requests
from bs4 import BeautifulSoup

url = "https://books.toscrape.com"
r = requests.get(url, timeout=10)
soup = BeautifulSoup(r.text, "lxml")

titles = [h3.find("a")["title"] for h3 in soup.select("article.product_pod h3")]
print(titles[:3])

Gérer les URL relatives

Utilisez urllib.parse.urljoin(base, href) pour convertir les liens relatifs en URL absolues.

from urllib.parse import urljoin
base = "https://example.com/products/"
href = "../about"
print(urljoin(base, href))   # https://example.com/about

Gérer les encodages

BeautifulSoup détecte automatiquement l'encodage, mais vous pouvez le spécifier ou utiliser r.encoding de requests.

import requests
from bs4 import BeautifulSoup

r = requests.get("https://example.com")
print(r.encoding)   # e.g. utf-8
soup = BeautifulSoup(r.content, "lxml", from_encoding=r.encoding)

Modifier et sérialiser

Modifiez l'arbre d'analyse et reconvertissez-le en HTML avec str(tag) ou soup.prettify().

from bs4 import BeautifulSoup

html = "<p>Hello <b>world</b></p>"
soup = BeautifulSoup(html, "lxml")
soup.b.decompose()   # remove the <b> tag
print(str(soup.p))   # <p>Hello </p>

Limites de BeautifulSoup

BS4 analyse le HTML statique. Il ne peut pas exécuter JavaScript. Pour les pages rendues avec JS, utilisez Playwright ou Selenium.

# BeautifulSoup: good for static HTML
# Playwright: for JavaScript-rendered SPAs
# Scrapy: for large-scale crawls with pipelines

# pip install playwright
# playwright install
# from playwright.async_api import async_playwright

Vérification rapide

Quelle méthode renvoie tous les éléments correspondant à un sélecteur CSS dans BeautifulSoup ?

Récapitulatif

BeautifulSoup transforme le HTML en un arbre que vous pouvez parcourir. Utilisez find()/find_all() pour rechercher des balises, select() pour les sélecteurs CSS et get_text() pour obtenir du texte propre. Associez-le à requests pour les pages statiques et utilisez Playwright pour le contenu rendu avec JS.

Questions Fréquemment Posées

La leçon « Analyser du HTML avec BeautifulSoup » est-elle gratuite ?

Oui — le texte complet de « Analyser du HTML avec BeautifulSoup » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Python Academy, passe à CoddyKit PRO. Le cours Python Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Analyser du HTML avec BeautifulSoup » ?

Parcourez l’arbre syntaxique et extrayez des données avec des sélecteurs. Tu pratiques Python Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Python Academy ?

Aucune expérience préalable n'est requise. Python Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.

Combien de temps prend la leçon « Analyser du HTML avec BeautifulSoup » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Python Academy ?

Oui. Chaque leçon Python Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Requêtes HTTP avec requests et httpx
  2. Analyser du HTML avec BeautifulSoup
  3. Créer un spider Scrapy
  4. Gérer JavaScript et les mesures anti-extraction
← Retour à Python Academy