50 lines
2.5 KiB
Markdown
50 lines
2.5 KiB
Markdown
[English](Parsing-HTML) · [Dansk](Parsing-HTML-da) · **Bahasa Melayu**
|
|
|
|
# Menghurai HTML
|
|
|
|
Kuliah: *Menghurai HTML dan Membuat Sup* dan *Mencari dan Memilih Elemen*. Halaman contoh ialah `tests/fixtures/website.html`; kodnya ialah `soup_basics.py`.
|
|
|
|
## Langkah 1: cipta sup dan baca tajuk
|
|
|
|
`BeautifulSoup(html, "html.parser")` menukar teks HTML menjadi objek sup. `soup.title.string` ialah teks dalam tag title.
|
|
|
|
|
|
|
|
**Apa yang kita pelajari:** teks HTML menjadi objek yang boleh dilayari, dan satu tag dicapai dengan akses atribut biasa.
|
|
|
|
## Langkah 2: prettify
|
|
|
|
`soup.prettify()` menulis dokumen dengan satu tag setiap baris supaya sarangan kelihatan.
|
|
|
|
|
|
|
|
**Apa yang kita pelajari:** dengan membaca struktur dahulu, kita tahu apa yang perlu diminta.
|
|
|
|
## Langkah 3: cari semua tag
|
|
|
|
`find_all("a")` memberi semua pautan. Dalam gelung, `get_text()` memberi teks dan `get("href")` memberi alamat.
|
|
|
|
|
|
|
|
**Apa yang kita pelajari:** satu panggilan menemui banyak elemen, dan gelung menukarnya menjadi data.
|
|
|
|
## Langkah 4: cari mengikut id dan kelas
|
|
|
|
`find(id="name")` mencari satu tag mengikut id. `find_all("h3", class_="heading")` menapis mengikut tag dan kelas; kata kuncinya ialah `class_` kerana `class` ialah kata kunci Python.
|
|
|
|
|
|
|
|
**Apa yang kita pelajari:** atribut mengecilkan carian, dan kita mengelak pertembungan dengan kata terpelihara.
|
|
|
|
## Langkah 5: pemilih CSS
|
|
|
|
`select_one("p a")` dan `select(".heading")` menggunakan pemilih yang sama seperti CSS, jadi elemen bersarang dicapai dalam satu ungkapan.
|
|
|
|
|
|
|
|
**Apa yang kita pelajari:** pemilih CSS ialah cara paling ringkas untuk menerangkan kedudukan elemen dalam dokumen.
|
|
|
|
## Apa yang kita pelajari
|
|
|
|
Kita boleh membaca fail HTML ke dalam BeautifulSoup, melihat strukturnya dan memilih satu atau banyak elemen mengikut tag, id, kelas atau pemilih CSS.
|