کتابخانهی Beautiful Soup پایتون import bs4
خواندن HTML: پیدا کردن تیترها و لینکها در یک صفحهی وب.
مثال Beautiful Soup
from bs4 import BeautifulSoup
page = "<h1>My site</h1><a href='a.html'>A</a><a href='b.html'>B</a>"
soup = BeautifulSoup(page, "html.parser")
print(soup.h1.text)
print([link["href"] for link in soup.find_all("a")])
اجرا در مرورگر، بدون نصب پایتون
Beautiful Soup را یک بار در صفحهی کتابخانهها نصب کن (فقط همان بار دانلود میشود)، بعد «امتحانش کن» را بزن تا همین مثال در ویرایشگر پایتون باز و اجرا شود. روی کامپیوتر خودت هم با pip install beautifulsoup4 نصب میشود.
کتابخانههای دیگر وب و فایل
- Requests: گرفتن داده از اینترنت (از سایتهایی که اجازه میدهند).
- PyYAML: خواندن و نوشتن فایلهای تنظیمات YAML.
- SQLAlchemy: پایگاه داده با پایتون: جدول بساز، ذخیره کن، جستجو کن.
- lxml: خواندن سریع HTML و XML.
- html5lib: خواندن HTML درست مثل مرورگر، حتی اگر خراب باشد.
- Jinja: قالب: یک متن یا صفحهی HTML را با داده پر کن.
- Pydantic: بررسی داده: مطمئن شو دادهها درست و از نوع درستاند.
- orjson: JSON خیلی سریع.
- xlrd: خواندن فایلهای اکسل قدیمی (xls).