Ekstrakcja danych za pomocą BeautifulSoup
Wykorzystają Państwo BeautifulSoup do analizowania dokumentów HTML i wydobywania konkretnych danych na podstawie tagów, klas i identyfikatorów.
Ekstrakcja danych za pomocą BeautifulSoup to bezpłatna lekcja Web Scraping & Bots na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Web Scraping & Bots, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Web Scraping & Bots zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
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 orNone.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']ortag.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
BeautifulSoupobject from HTML. - Finding elements by tag name using
find()andfind_all(). - Extracting text content with
.get_text()and attributes withtag['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!
Często zadawane pytania
Czy lekcja „Ekstrakcja danych za pomocą BeautifulSoup” jest bezpłatna?
Tak — pełny tekst „Ekstrakcja danych za pomocą BeautifulSoup” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Web Scraping & Bots, przejdź na CoddyKit PRO. Kurs Web Scraping & Bots zawiera 4 lekcji w sumie.
Co nauczysz się w „Ekstrakcja danych za pomocą BeautifulSoup”?
Wykorzystają Państwo BeautifulSoup do analizowania dokumentów HTML i wydobywania konkretnych danych na podstawie tagów, klas i identyfikatorów. Ćwiczysz Web Scraping & Bots z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Web Scraping & Bots?
Nie wymagamy żadnego doświadczenia. Web Scraping & Bots w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Ekstrakcja danych za pomocą BeautifulSoup”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Web Scraping & Bots?
Tak. Każda lekcja Web Scraping & Bots zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Konfiguracja środowiska
- Korzystanie z Requests do obsługi adresów URL
- Ekstrakcja danych za pomocą BeautifulSoup
- Nawigacja po DOM za pomocą selektorów CSS