Richieste - Web Scraping utilizzando Richieste

Abbiamo già visto come possiamo ottenere dati da un dato URL usando la libreria di richieste python. Cercheremo di eliminare i dati dal sito diTutorialspoint disponibile all'indirizzo https://www.tutorialspoint.com/tutorialslibrary.htm utilizzando il seguente -

  • Libreria delle richieste
  • Bella libreria di zuppe di Python

Abbiamo già installato la libreria Requests, installiamo ora il pacchetto Beautiful soup. Ecco il sito ufficiale dibeautiful soup disponibile a https://www.crummy.com/software/BeautifulSoup/bs4/doc/ nel caso in cui desideri esplorare alcune funzionalità in più di una bella zuppa.

Installazione di Beautifulsoup

Vedremo come installare Beautiful Soup di seguito -

E:\prequests>pip install beautifulsoup4
Collecting beautifulsoup4
Downloading https://files.pythonhosted.org/packages/3b/c8/a55eb6ea11cd7e5ac4ba
cdf92bac4693b90d3ba79268be16527555e186f0/beautifulsoup4-4.8.1-py3-none-any.whl
(
101kB)
|████████████████████████████████| 102kB 22kB/s
Collecting soupsieve>=1.2 (from beautifulsoup4)
Downloading https://files.pythonhosted.org/packages/81/94/03c0f04471fc245d08d0
a99f7946ac228ca98da4fa75796c507f61e688c2/soupsieve-1.9.5-py2.py3-none-any.whl
Installing collected packages: soupsieve, beautifulsoup4
Successfully installed beautifulsoup4-4.8.1 soupsieve-1.9.5

Ora abbiamo una libreria di richieste Python e una bella zuppa installata.

Scriviamo ora il codice, che eliminerà i dati dall'URL fornito.

Web scraping

import requests
from bs4 import BeautifulSoup
res = requests.get('https://www.tutorialspoint.com/tutorialslibrary.htm')
print("The status code is ", res.status_code)
print("\n")
soup_data = BeautifulSoup(res.text, 'html.parser')
print(soup_data.title)
print("\n")
print(soup_data.find_all('h4'))

Utilizzando la libreria delle richieste, possiamo recuperare il contenuto dall'URL fornito e una bella libreria di zuppa aiuta ad analizzarlo e recuperare i dettagli nel modo desiderato.

Puoi usare una bellissima libreria zuppa per recuperare i dati usando tag Html, classe, id, selettore css e molti altri modi. Di seguito è riportato l'output che otteniamo in cui abbiamo stampato il titolo della pagina e anche tutti i tag h4 sulla pagina.

Produzione

E:\prequests>python makeRequest.py
The status code is 200
<title>Free Online Tutorials and Courses</title>
[<h4>Academic</h4>, <h4>Computer Science</h4>, <h4>Digital Marketing</h4>, 
<h4>Monuments</h4>,<h4>Machine Learning</h4>, <h4>Mathematics</h4>, 
<h4>Mobile Development</h4>,<h4>SAP</h4>, 
<h4>Software Quality</h4>, <h4>Big Data & Analytics</h4>, 
<h4>Databases</h4>, <h4>Engineering Tutorials</h4>, 
<h4>Mainframe Development</h4>, 
<h4>Microsoft Technologies</h4>, <h4>Java Technologies</h4>,
<h4>XML Technologies</h4>, <h4>Python Technologies</h4>, <h4>Sports</h4>, 
<h4>Computer Programming</h4>,<h4>DevOps</h4>, <h4>Latest Technologies</h4>, 
<h4>Telecom</h4>, <h4>Exams Syllabus</h4>, 
<h4>UPSC IAS Exams</h4>, 
<h4>Web Development</h4>,
<h4>Scripts</h4>, <h4>Management</h4>,<h4>Soft Skills</h4>, 
<h4>Selected Reading</h4>, <h4>Misc</h4>]