محرر. على الرغم من أن الحساء الجميل يوصى به في كثير من الأحيان ، إلا أنه يمكن أن يلتقط محتوى غير مرغوب فيه مثل JavaScript ويفشل في تفسير كيانات HTML. ومع ذلك ، فإن وثائقها وأمثلةها محدودة.

من BS4 استيراد جميلة url = "http://news.bbc.co.uk/2/hi/health/2284783.stm" html = urlopen (url) .read () الحساء = جميل (HTML ، ميزات = "html.parser") # قم بإزالة البرامج النصية والأنماط للنص في الحساء (["نص" ، "نمط"]): script.extract () # استخراج النص النص = soup.get_text () # تحويل الفواصل بين السطر وإزالة المسافة البيضاء الخطوط = (line.strip () للخط في text.splitlines ()) kunks = (phrase.strip () للخط في خطوط العبارة في السطر. split ("")) text = '\ n'.join (قطعة للقطعة في قطع إذا قطعة) print (text)

التبعية

لاستخدام هذا الرمز ، ستحتاج إلى تثبيت جميل مع: