Preguntas con respuestas sobre "beautifulsoup"

He construido un web scraper con Python y Beautiful Soup...

Tengo un proyecto que tiene un formato de archivo no estándar algo así como: ...

Estoy buscando modificar el siguiente código para ejecutarlo en python2.x y beautifulsoup3.x ...

He tenido muchos problemas con esto... Nuevo en Python, así que lo siento si no conozco los términos de búsqueda adecuados para encontrar la información yo mismo. Ni siquiera estoy seguro de que sea por el JS, pero esa es la mejor idea que tengo. ...

Estoy intentando usar BeautifulSoup para obtener una lista de HTML etiquetas, luego verifique si tienen un atributo de nombre y luego devuelva ese valor de atributo. Por favor vea mi código: ...

Así que estoy tratando de encontrar una manera de encontrar todos los elementos dentro de un objeto BeautifulSoup que tienen una etiqueta determinada que no están dentro de otra etiqueta determinada. Por ejemplo: ...

Estoy trabajando en un proyecto de rastreador. Estoy atrapado en una situación en la que el texto href en una página sigue repitiéndose en otras páginas bajo ese dominio. ...

Usé page.prettify() para ordenar el HTML, y este es el texto que quiero extraer ahora: ...

Honestamente, encuentro que BeautifulSoup es demasiado difícil, la documentación no explica los conceptos básicos que estoy buscando. ...

Estoy intentando usar Pygments y Beautiful Soup como una solución de resaltado de código para el software de blog que estoy creando para Google App Engine. ...

Estoy tratando de raspar un sitio y tengo varios problemas; por un lado, dice que mi código está roto y parece que no puedo encontrar un problema. Tampoco estoy seguro de qué poner cuando busco una expresión regular cuando es . por ejemplo: ...

Este código: ...

para encontrar en soup.findAll(text=reg_compiled_keyword): ...

Estoy tratando de analizar una tabla de filas usando una sopa hermosa y guardar los valores de cada fila en un dictado. ...

Quiero raspar el HTML de algún sitio web y luego enviarlo a BeautifulSoup para analizarlo. El problema es que el HTML devuelto por urllib2.urlopen() contiene líneas nuevas (\n) y tabulaciones (\t), además de tener comillas simples y otros caracteres escapados. Cuando intento construir un objeto BeautifulSoup con...

Estoy leyendo un archivo html del directorio de almacenamiento, haciendo algunas modificaciones con sopa hermosa y luego emitiendo el resultado usando HttpResponse. Mi problema es que algunos de los caracteres, como los símbolos <>, se devuelven como códigos ASCII en lugar de símbolos, por ejemplo, < en lugar de <...

Estoy tratando de analizar la fuente HTML de muchas páginas diferentes, como esta: ...

Obtengo "AttributeError: el objeto 'NoneType' no tiene atributo 'cadena'" cuando ejecuto lo siguiente. sin embargo, cuando se realizan las mismas tareas en una variable de cadena de bloques; funciona. ...

Mi script funciona cuando descargo una biblia en inglés. pero me da error ascii cuando descargo una biblia extranjera. ...

Estoy usando beautifulsoup para analizar todas las etiquetas img que están presentes en 'www.youtube.com'...

Estoy tratando de escribir un programa que lea artículos (publicaciones) de cualquier sitio web que pueda variar desde Blogspot o blogs de Wordpress / cualquier otro sitio web. En cuanto a escribir código que sea compatible con casi todos los sitios web que podrían haber sido escritos en HTML5/XHTML, etc. Pensé en usar fuentes RSS/Atomo como...

Tengo algunos xml: ...

tengo el siguiente código. ...

¿Cómo usaría BeautifulSoup para eliminar solo una etiqueta? El método que encontré elimina la etiqueta y todas las demás etiquetas y contenido dentro de ella. Quiero eliminar solo la etiqueta y dejar todo lo que hay dentro intacto, por ejemplo...

¿Hay una forma más eficiente de escribir esto para que solo ocupe una línea? Esto funciona, pero siento que de alguna manera se puede comprimir en una sola línea de código...

Estoy analizando datos de una página web y, a veces, las tablas tienen retornos de carro no deseados que me causan problemas. Quiero eliminar los retornos de carro, pero una tira simple () no funciona. ...

Busco y analizo una cantidad mediana o grande de páginas web. Noté que mi secuencia de comandos finalizaba espontáneamente con un reinicio de sesión de Python. Hasta ahora, solo parece suceder cuando trato de hacer sopa con la página nasa.gov. es decir: ...

Tengo este script: ...

Me he estado tirando de los pelos todo el día con esto. Básicamente, no puedo extraer información de las etiquetas...

Estoy tratando de usar BeautifulSoup para obtener texto de páginas web. ...