Beautiful Soup

Hej, Beautiful Soup to mega biblioteka w Pythonie stworzona specjalnie dla szybkich projektów związanych z screen-scrapingiem. Od 2004 roku oszczędza czas programistom i pozwala im zaoszczędzić godziny albo nawet dni pracy. Ma trzy super cechy, które sprawiają, że jest niezastąpiona. Daje kilka prostych metod i takich typowych dla Pythona sposobów na nawigację, wyszukiwanie i modyfikację drzewa parsowania. To jak zestaw narzędzi do analizowania dokumentu i wyciągania tego, czego potrzebujemy. Nie trzeba dużo kodu, żeby napisać aplikację z jej użyciem. Automatycznie zamienia przychodzące dokumenty na Unicode, a wychodzące na UTF-8. Jeśli dokument nie ma określonego kodowania i Beautiful Soup nie może go wykryć, to trzeba tylko podać oryginalne kodowanie. Beautiful Soup działa na topie popularnych parserów w Pythonie, takich jak lxml i html5lib, dzięki czemu można próbować różnych strategii parsowania albo wymieniać szybkość na elastyczność. Parsuje wszystko, co się jej da, i zajmuje się przechodzeniem przez drzewo. Można jej powiedzieć: "Znajdź wszystkie linki", "Znajdź wszystkie linki klasy externalLink", "Znajdź wszystkie linki, których adresy URL pasują do "foo.com" albo "Znajdź nagłówek tabeli z pogrubionym tekstem, a potem daj mi ten tekst". Dzięki temu cenne dane, które wcześniej były zamknięte w słabo zaprojektowanych stronach internetowych, teraz są w zasięgu ręki. Projekty, które normalnie zajmowałyby godziny, teraz zajmują tylko kilka minut z Beautiful Soup. Czy jesteś ciekawy? Czytaj dalej! Beautiful Soup jest dostępne w wersji 4.12.3 (17 stycznia 2024 roku). Można je zainstalować za pomocą polecenia pip install beautifulsoup4. W Debianie i Ubuntu jest dostępne jako pakiet python3-bs4, a w Fedorze jako python3-beautifulsoup4. Beautiful Soup jest licencjonowane na licencji MIT, więc można też pobrać plik tarball, wrzucić katalog bs4/ do praktycznie każdej aplikacji w Pythonie (albo do ścieżki bibliotecznej) i od razu zacząć z niego korzystać. Beautiful Soup 4 działa na wersjach Python 3.6 i nowszych. Wsparcie dla Python 2 zostało zakończone 1 stycznia 2021 roku - rok po zakończeniu wsparcia dla Python 2. Jeśli masz jakieś aktywne projekty, w których używasz Beautiful Soup 3, powinieneś przejść na Beautiful Soup 4 jako część konwersji na Python 3. Dokumentacja Beautiful Soup 3 też jest dostępna. Aktualna i miejmy nadzieję, że ostatnia wersja Beautiful Soup 3 to 3.2.2 (5 października 2019 roku). Jest dostępne jako pakiet BeautifulSoup na pip. Jest też dostępne jako python-beautifulsoup w Debianie i Ubuntu oraz jako python-BeautifulSoup w Fedorze. Po zakończeniu wsparcia dla Beautiful Soup 3, te nazwy pakietów będą dostępne dla nowszej wersji Beautiful Soup. Przez lata Beautiful Soup było używane w setkach różnych projektów. Nie da się ich wszystkich wymienić, ale chciałbym zwrócić uwagę na kilka ciekawych. Beautiful Soup nie jest tym, co sprawia, że te projekty są super, ale na pewno ułatwiło ich realizację. Na przykład "Movable Type", dzieło sztuki cyfrowej wystawione w holu budynku New York Times, używa Beautiful Soup do zbierania newsów. Jiabao Lin's DXY-COVID-19-Crawler używa Beautiful Soup do zbierania informacji o COVID-19 z chińskiej strony medycznej, co ułatwia badaczom śledzenie rozprzestrzeniania się wirusa. Reddit używa Beautiful Soup do analizowania strony, która została połączona, i znalezienia odpowiedniego obrazka. Alexander Harrowell używa Beautiful Soup do śledzenia działalności biznesowej handlarza bronią. Deweloperzy samego Pythona użyli Beautiful Soup do przeniesienia śledzenia błędów z Sourceforge do Roundup. Lawrence Journal-World używa Beautiful Soup do zbierania wyników wyborów stanowych. NOAA's Forecast Applications Branch używa Beautiful Soup w TopoGrabber, skrypcie do pobierania danych o wysokiej rozdzielczości z USGS. Jeśli użyłeś Beautiful Soup w swoim projekcie i chcesz, żebym o tym wiedział, wyślij maila do mnie albo do grupy dyskusyjnej. Rozwój odbywa się w Launchpad. Można tam zdobyć kod źródłowy albo zgłosić błędy.