Magandang proyekto Sopas ay isang Python HTML / XML parser dinisenyo para sa mabilis na turnaround mga proyekto tulad ng screen-scrape. Tatlong mga tampok gawin itong makapangyarihan:
Magagandang Soup hindi magbara kung bibigyan mo ito masamang markup. Magbubunga ito ng parse tree na gumagawa ng humigit-kumulang ng maraming kahulugan bilang iyong orihinal na dokumento. Ito ay karaniwang sapat na mahusay na upang mangolekta ng data na kailangan mo at patakbuhin ang layo.
Magagandang Soup nagbibigay ng ilang simpleng mga paraan at Pythonic idioms para sa pag-navigate, paghahanap, at ang pagbabago ng pag-parse tree: isang toolkit para sa dissecting isang dokumento at extract ang kailangan mo. Wala kang lumikha ng custom na pang-parse para sa bawat application.
Awtomatikong-convert magandang Soup papasok na mga dokumento sa Unicode at papalabas na mga dokumento sa UTF-8. Hindi mo kailangang isipin ang tungkol sa pag-encode, maliban kung ang dokumento ay hindi tumutukoy ng pag-encode at Magagandang Soup hindi maaaring autodetect isa. Pagkatapos ay mayroon kang lamang na tukuyin ang orihinal na encoding.
Magagandang Soup Pina-parse ng anumang bagay bigyan mo ito, at ginagawa ang mga bagay na puno traversal para sa iyo. Maaari mong sabihin dito na "Hanapin ang lahat ng mga link", o "Hanapin ang lahat ng mga link ng klase externalLink", o "Hanapin ang lahat ng mga link na kung saan ang mga url tumutugma sa" foo.com ", o" Hanapin heading sa table na nakuha bold na teksto, pagkatapos ay bigyan sa akin teksto iyon. "
Mahalagang data na na sa sandaling naka-lock up sa mga mahinang dinisenyo website ay sa loob ng iyong pag-abot ngayon. . Proyekto na sana ay kinuha na oras tumagal ng ilang minuto lamang sa magagandang Soup
Mga Kinakailangan :
- Python
Mga Komento hindi natagpuan