Diferencias

Muestra las diferencias entre dos versiones de la página.

--- informatica:programacion:python:modulos:beautiful_soup [2021/02/09 22:20] – [Uso] tempwin
+++ informatica:programacion:python:modulos:beautiful_soup [2024/06/14 17:24] (actual) – [Recursos] tempwin
@@ Línea 4: / Línea 4: @@
   * [[https://www.crummy.com/software/BeautifulSoup/|Web oficial]]
+  * [[https://www.crummy.com/software/BeautifulSoup/bs4/doc/|Documentación]]
@@ Línea 110: / Línea 111: @@
 amazon()
+</code>
+===== Ejemplo 2: leyendo HTML de una web =====
+<code python>
+from bs4 import BeautifulSoup
+import requests
+url = "https://direccion.web"
+result = requests.get(url)
+# Contenido de la petición
+# print(result.text)
+doc = BeautifulSoup(result.text, "html.parser")
+# Mostrarlo bien sangrado
+# print(doc.prettify())
+"""
+Buscar por un texto (y aprovechar el resultado para obtener el elemento padre)
+Queremos llegar a un precio que comienza por el signo "$"
+"""
+prices = doc.find_all(text="$")
+parent = prices[0].parent
+strong = parent.find("strong")
+print(strong.string)
+</code>
+===== Búsquedas =====
+  * ''find()'': busca el primer elemento que encuentre
+  * ''find_all()'': busca todos los elementos
+Podemos buscar más de un elemento a la vez:
+<code python>
+doc.find_all(["p", "div", "li"])
+</code>
+Podemos buscar un elemento que tenga cierto texto:
+<code python>
+doc.find_all(["option"], text="Rojo")
+</code>
+Buscar atributos de cierto elemento, por ejemplo el atributo ''value'' de la etiqueta ''option'':
+<code python>
+doc.find_all(["option"], value="rojo")
+</code>
+Búsqueda por clases CSS:
+<code python>
+tag = doc.find_all(class_="btn-item")
+</code>
+<WRAP center round info 60%>
+''class'' es una palabra reservada de Python, así que el argumento para buscar por clases lleva un guion bajo, y así diferenciarlo.
+</WRAP>
+Búsqueda por expresión regular:
+<code python>
+import re
+# Buscar un signo de dólar y lo que venga después
+tags = doc.find_all(text=re.compile("\$.*"))
+</code>
+Limitar los resultados de búsqueda:
+<code python>
+import re
+# Buscar un signo de dólar y lo que venga después
+tags = doc.find_all(text=re.compile("\$.*"), limit=1)
+</code>
+Búsqueda por proximidad en la estructura de árbol, por ejemplo, nodos hermanos, padre y descendientes:
+<code python>
+from bs4 import BeautifulSoup
+import requests
+url = "https://coinmarketcap.com/"
+result = requests.get(url).text
+doc = BeautifulSoup(result, "html.parser")
+tbody = doc.tbody
+trs = tbody.contents
+print(trs[1].next_sibling)
+# Nodo padre:
+print(trs[0].parent)
+# Descendientes
+print(trs[0].descendants)
+#print(trs[0].children)
+#print(trs[0].contents)
+</code>
+Recorrer una tabla buscando precios:
+<code python>
+from bs4 import BeautifulSoup
+import requests
+url = "https://coinmarketcap.com/"
+result = requests.get(url).text
+doc = BeautifulSoup(result, "html.parser")
+tbody = doc.tbody
+trs = tbody.contents
+prices = {}
+for tr in trs[:10]:
+    for td in tr.contents:
+        name, price = tr.contents[2:4]
+        fixed_name = name.p.string
+        fixed_price = price.a.string
+        prices[fixed_name] = fixed_price
+print(prices)
 </code>
 ===== Recursos =====
   * [[https://towardsdatascience.com/top-5-beautiful-soup-functions-7bfe5a693482|Top 5 Beautiful Soup Functions That Will Make Your Life Easier]]
+  * [[https://www.youtube.com/watch?v=gRLHr664tXA| Beautiful Soup 4 Tutorial #1 - Web Scraping With Python ]]