Requisito previo:
Módulos necesarios
- requests- Requests le permite enviar requests HTTP/1.1 con mucha facilidad. Este módulo tampoco viene integrado con Python. Para instalar simplemente escriba el comando dado en la terminal.
pip install requests
- bs4: – Beautiful Soup (bs4) es una biblioteca de Python para extraer datos de archivos HTML y XML. Este módulo no viene integrado con Python. Para instalar esto, escriba el comando dado en la terminal.
pip install bs4
Acercarse:
- Importar módulos
- Obtener el nombre del artículo como entrada
- Iniciar una solicitud de obtención de la URL
- Deseche el código y el nombre del idioma en el que está escrito usando bs4
Se puede hacer mucho con este concepto y utilizando lo dado, por ejemplo, puede guardar directamente cada código en un archivo separado con su extensión o puede desechar el artículo completo y extraer información importante como los detalles del escritor.
A continuación se muestra la implementación.
Python3
import requests
from bs4 import BeautifulSoup
# input geeks for geeks article
article = 'extract-authors-information-from-geeksforgeeks-article-using-python'
index_Code = 3
# url
url = "https://www.geeksforgeeks.org/"+article
# Making a GET request
# to fetch article from
# geeksforgeeks servers
def getdata(url):
r = requests.get(url)
return r.text
def codescrapper(soup, article=None):
codes_languages = soup.find_all('h2', class_='tabtitle')
codes = soup.find_all("div", class_='code-container')
count_codes_language = len(codes_languages)
print(url)
if article and article <= count_codes_language:
print(codes[article-1].get_text())
else:
for x in range(count_codes_language):
print(codes[x].get_text())
if __name__ == '__main__':
complete_article_html = getdata(url)
soup = BeautifulSoup(complete_article_html, 'html.parser')
codescrapper(soup, index_Code)
Producción:
Publicación traducida automáticamente
Artículo escrito por UnworthyProgrammer y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA