beautifulsoup4

Parsing

Парсинг веб-страниц

Обзор beautifulsoup4

BeautifulSoup4 (bs4) — это библиотека Python для анализа документов HTML и XML. Он создает дерево синтаксического анализа из исходного кода страницы, что упрощает навигацию, поиск и извлечение данных. В сочетании с библиотекой запросов он составляет основу наиболее распространенного стека веб-скрапинга Python.

ВPyRunBeautifulSoup4 загружается через micropip и работает сразу. Вы можете анализировать необработанные строки HTML, извлекать теги, атрибуты и текстовое содержимое, а также исследовать структуру документа — и все это без локальной среды Python. Это отличный инструмент для безопасного изучения концепций парсинга веб-страниц.

Код и вывод выполнения

Навигация и извлечение данных из HTML-документа.

HTML Parsing with BeautifulSoupЗапустить в редакторе

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']}")