Requisito previo:
En este artículo, aprenderemos cómo obtener un texto de las etiquetas HTML usando BeautifulSoup. Aquí usaremos las requests y el módulo BeautifulSoup en Python.
La biblioteca de requests es una parte integral de Python para realizar requests HTTP a una URL específica. Ya sea que se trate de API REST o Web Scrapping, las requests deben aprenderse para continuar con estas tecnologías. Cuando uno realiza una solicitud a un URI, devuelve una respuesta. Las requests de Python proporcionan funcionalidades integradas para administrar tanto la solicitud como la respuesta.
pip install requests
Beautiful Soup es una biblioteca de Python diseñada para proyectos de respuesta rápida como el raspado de pantalla.
pip install beautifulsoup4
Método 1: podemos usar la propiedad de texto . Solo imprimirá el texto de la etiqueta.
Python3
# Import Required Module import requests from bs4 import BeautifulSoup # Web URL Web_url = "https://www.geeksforgeeks.org/" # Get URL Content r = requests.get(Web_url) # Parse HTML Code soup = BeautifulSoup(r.content, 'html.parser') tag = soup.find("p") print(tag.text)
Producción:
Skip to content
Método 2: También podemos usar el método get_text() . Este método se utiliza para imprimir todo el texto de la página web.
Python3
# Import Required Module import requests from bs4 import BeautifulSoup # Web URL Web_url = "https://www.geeksforgeeks.org/" # Get URL Content r = requests.get(Web_url) # Parse HTML Code soup = BeautifulSoup(r.content, 'html.parser') tag = soup.find("p") print(tag.get_text())
Producción:
February 1, 2021
Método 3: si solo hay una string dentro de la etiqueta, podemos usar la propiedad de string .
Python3
# Import Required Module import requests from bs4 import BeautifulSoup # Web URL Web_url = "https://www.geeksforgeeks.org/" # Get URL Content r = requests.get(Web_url) # Parse HTML Code soup = BeautifulSoup(r.content, 'html.parser') tag = soup.find("p") print(tag.string)
Producción:
February 1, 2021