Python Language
Analisi HTML

Trova un testo dopo un elemento in BeautifulSoup

Immagina di avere il seguente codice HTML:

<div>
    <label>Name:</label>
    John Smith
</div>

E devi localizzare il testo "John Smith" dopo l'elemento label .

In questo caso, è possibile individuare l'elemento label base al testo e quindi utilizzare la proprietà .next_sibling :

from bs4 import BeautifulSoup

data = """
<div>
    <label>Name:</label>
    John Smith
</div>
"""

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

label = soup.find("label", text="Name:")
print(label.next_sibling.strip())

Stampa John Smith .

Utilizzo dei selettori CSS in BeautifulSoup

BeautifulSoup ha un supporto limitato per i selettori CSS , ma copre quelli più comunemente usati. Usa il metodo select() per trovare più elementi e select_one() per trovare un singolo elemento.

Esempio di base:

from bs4 import BeautifulSoup

data = """
<ul>
    <li class="item">item1</li>
    <li class="item">item2</li>
    <li class="item">item3</li>
</ul>
"""

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

for item in soup.select("li.item"):
    print(item.get_text())

stampe:

item1
item2
item3

PyQuery

pyquery è una libreria jquery per Python. Ha un ottimo supporto per i selettori di css.

from pyquery import PyQuery

html = """
<h1>Sales</h1>
<table id="table">
<tr>
    <td>Lorem</td>
    <td>46</td>
</tr>
<tr>
    <td>Ipsum</td>
    <td>12</td>
</tr>
<tr>
    <td>Dolor</td>
    <td>27</td>
</tr>
<tr>
    <td>Sit</td>
    <td>90</td>
</tr>
</table>
"""

doc = PyQuery(html)

title = doc('h1').text()

print title

table_data = []

rows = doc('#table > tr')
for row in rows:
    name = PyQuery(row).find('td').eq(0).text()
    value = PyQuery(row).find('td').eq(1).text()

    print "%s\t  %s" % (name, value)