Hướng dẫn how do i read html files in beautifulsoup? - làm cách nào để đọc các tệp html trong beautifulsoup?

• Unknown.PY
• Ngày 28 tháng 4 năm 2021

Trong hướng dẫn này, tôi sẽ chỉ cho bạn cách phân tích tệp HTML và nhiều tệp bằng thư viện đẹp.HTML file and multiple files using the Beautifulsoup library.

Nếu bạn không biết thư viện đẹp, hãy xem tài liệu đẹp.Beautifulsoup library, take a look at Beautifulsoup documentation.

Phân tích một tập tin sử dụng đẹp

Để phân tích tệp HTML trong Python, chúng ta cần làm theo các bước sau:

1. Mở tệp tin
2. Phân tích các tập tin

Trong tình huống của tôi, tôi có File1.html chứa nội dung HTML.file1.html that contains HTML content.

Trong mã sau, chúng tôi sẽ mở file1.html sau đó nhận thẻ tiêu đề.file1.html then get the title tag.

from bs4 import BeautifulSoup


 with open('files/file1.html') as f:
    #read File
    content = f.read()
    #parse HTML
    soup = BeautifulSoup(content, 'html.parser')
    #print Title tag
    print(soup.title)      

Output:

<title>pytutorial | The Simplest Python and Django Tutorials</title>

Như bạn có thể thấy, chúng tôi đã sử dụng phương thức Open ().with open() method.

Bây giờ chúng ta hãy làm điều tương tự bằng phương thức Open ().open() method.

f = open('file.html')
content = f.read()
#parse HTML
soup = BeautifulSoup(content, 'html.parser')
#print Title tag
print(soup.title)

Output:

<title>pytutorial | The Simplest Python and Django Tutorials</title>

Phân tích nhiều tệp sử dụng BeautifulSoup và Glob

Để phân tích các tệp của một thư mục, chúng ta cần sử dụng mô -đun GLOB.glob module.

Với mô -đun này, chúng ta có thể truy xuất các tệp/tên đường dẫn khớp với một mẫu được chỉ định.

Trong mã sau, chúng tôi sẽ nhận được thẻ tiêu đề từ tất cả các tệp HTML.

       
import glob

files = glob.glob('files/*.html')

for fi in files:
    with open(fi) as f:
        content = f.read()
        soup = BeautifulSoup(content, 'html.parser')
        print(soup.title)
        

Output:

   
<title>Google</title>
<title>Flavio Copes</title>
<title>pytutorial | The Simplest Python and Django Tutorials</title>