推 Lucemia:推BeautifulSOAP! 09/14 02:25
※ 編輯: yoco315 來自: 140.114.78.40 (01/15 00:16)
※ 引述《seLain (建築的永恆之道)》之銘言：
: 板上文章好少 ^^b
: 想看看有沒人想討論一下 Python 的 HTML/XML processing tools,
: 因為不久之後可能會用到, 想看看最近一兩年是否有比較好用的 tools 出現.
: 我自己兩年前剛開始接觸 Python 時是用 BeautifulSoup [1], 用來寫程式
: 抓取 SourceForge.net 上的資料作分析 (小抱怨 SF.net 的網頁程式碼不太標準),
: 後來寫的關於處理 XML 的都是小程式, 則有改用過 ElementTree [2],
: 不知道是否有板友可以推薦其他好用的 tools, 使用經驗等等, thanks.
: (如果有特殊的 data model 最好, 想看看除了 tree model 之外還可以怎樣處理)
: References
: [1] BeautifulSoup, URL : http://www.crummy.com/software/BeautifulSoup/
: [2] ElementTree, URL : http://effbot.org/zone/element-index.htm
我都是用 BeautifulSoup，覺得非常好用了 O_O
有一定程度的容錯，雖然還沒有到瀏覽器強度，
但是配合一下 re 前處理或是自訂規則幾乎都可以處理了。
語法用起來也非常簡單。
像這樣的一個 html
<html>
<head>Title Text</head>
<body>
<a href="http://www.google.com">
<b> Google </b>
</a>
<table>
<tr>
<td> TD1 </td>
<td> TD2 </td>
<td>
<a href="http://www.yahoo.com">
Yahoo!
</a>
<td>
</table>
</body>
<html>
用
soup.body.a['href'] 可以取得 'http://www.google.com'
soup.body('a') 可以取得所有的 a tag 的 list
soup.table.tr('td')[2].string 就可以拿到 'Yahoo!' 字串
不太會用的話，可能會用
soup.find('table').find('td')[2].find(text) 這樣就太累了 @@"
--
To iterate is human, to recurse is divine.
遞迴只應天上有, 凡人該當用迴圈. L. Peter Deutsch
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.114.78.40