استخدام Beautiful Soup لاستخراج علامات HTML والتحليل الهيكلي

عند استخدام مكتبة Beautiful Soup لاستخراج جميع العلامات HTML من نص معين، يمكنك القيام بذلك بطريقة فعّالة وبسيطة. في هذا السياق، يمكنك استخدام Beautiful Soup لتحليل النص HTML واستخراج العلامات بشكل ذكي. سأقدم لك شرحاً تفصيلياً حول كيفية القيام بذلك.

أولاً وقبل أي شيء، يجب عليك استيراد مكتبة Beautiful Soup وتحديد نص HTML الذي ترغب في تحليله. يمكنك القيام بذلك كما يلي:

pythonCopy code
from bs4 import BeautifulSoup

html = """
I am trying to get a list of all html tags from beautiful soup.

		




		
	
I see find all but I have to know the name of the tag before I search.

		




		
	
If there is text like 

		




		
	
html = """<div>something</div>
<div>something else</div>
<div class='magical'>hi there</div>
<p>ok</p>"""

How would I get a list like 

		




		
	
list_of_tags = ["<div>", "<div>", "<div class='magical'>", "<p>"]

I know how to do this with regex, but am trying to learn BS4

		




		
	
"""
soup = BeautifulSoup(html, 'html.parser')



بعد ذلك، يمكنك استخدام الأمر find_all للبحث عن جميع العلامات في النص. يمكنك تحقيق ذلك باستخدام الكود التالي:
pythonCopy code
tags = [tag.name for tag in soup.find_all()]

في هذا الكود، نقوم بالتحقق من tag.name حيث يتم استخدام tag.name للوصول إلى اسم العلامة. تمثل soup.find_all() جميع العلامات الموجودة في النص، ونقوم بتخزين أسماء العلامات في قائمة تسمى tags.
بهذا، يمكنك الحصول على قائمة تحتوي على جميع العلامات الHTML الموجودة في النص. يمكنك استخدام هذه القائمة كمرجع لاحقٍ في تحليل وفهم بنية الصفحة والعلامات المستخدمة فيها.

بالطبع، دعونا نوسع المحادثة للتعمق في فهم كيفية استخدام Beautiful Soup بشكل أكبر وكيف يمكن أن تكون هذه العملية مفيدة في استخراج المزيد من المعلومات من نصوص HTML.

عند العمل مع Beautiful Soup، يمكنك أيضا تحديد العديد من المعايير لتصفية البحث والتركيز فقط على العناصر التي تهمك. على سبيل المثال، إذا كنت ترغب في البحث عن جميع العناصر

pythonCopy code
magical_divs = soup.find_all('div', class_='magical')

pythonCopy code
paragraph_texts = [paragraph.get_text() for paragraph in soup.find_all('p')]