beautifulsoup4

Parsing

ウェブスクレイピング

概要 beautifulsoup4

BeautifulSoup4 (bs4) は、HTML および XML ドキュメントを解析するための Python ライブラリです。ページのソースコードから解析ツリーを作成し、データの移動、検索、抽出を容易にします。リクエストライブラリと組み合わせることで、最も一般的な Python Web スクレイピングスタックの基礎を形成します。

PyRunでは、BeautifulSoup4 がマイクロピップ経由でロードされ、すぐに動作します。ローカルの Python 環境を使用せずに、生の HTML 文字列を解析し、タグ、属性、テキストコンテンツを抽出し、ドキュメント構造を調査できます。これは、Web スクレイピングの概念を安全に学習するための優れたツールです。

コードと実行の出力

HTML ドキュメントに移動してデータを抽出します。

HTML Parsing with BeautifulSoupエディターで実行

from bs4 import BeautifulSoup

html_doc = """
<html>
  <head><title>Sample Page</title></head>
  <body>
    <h1>Article List</h1>
    <ul>
      <li><a href="/post/1" class="post">Intro to Python</a></li>
      <li><a href="/post/2" class="post">NumPy Basics</a></li>
      <li><a href="/post/3" class="post">Pandas Guide</a></li>
    </ul>
    <p class="footer">© 2025 PyRun</p>
  </body>
</html>
"""

soup = BeautifulSoup(html_doc, 'html.parser')
print("Title:", soup.title.string)
print("H1:", soup.h1.string)
print("\nLinks:")
for a in soup.find_all('a', class_='post'):
    print(f"  {a.string}  →  {a['href']}")