Beautiful Soup

Beautiful Soup
Información general
Tipo de programa	Parseador HTML, web scraping
Autor	Leonard Richardson
Licencia	Python Software Foundation License (Inferior a la versión 4) Licencia MIT (A partir de la versión 4)​
Información técnica
Programado en	Python
Plataformas admitidas	Python
Versiones
Última versión estable	4.6.0 ( 07 de mayo de 2017 (7 años y 1 mes))
Enlaces
Sitio web oficial Repositorio de código

Beautiful Soup es una biblioteca de Python para analizar documentos HTML (incluyendo los que tienen un marcado incorrecto). Esta biblioteca crea un árbol con todos los elementos del documento y puede ser utilizado para extraer información. Por lo tanto, esta biblioteca es útil para realizar web scraping — extraer información de sitios web.​

Está disponible para Python 2.6+ y Python 3.

Código de ejemplo

# extracción de todos los enlaces de un documento html
from bs4 import BeautifulSoup

with open("./index.html") as f:
    soup = BeautifulSoup(f)
 
for anchor in soup.find_all('a'):
    print(anchor.get('href', '/'))

Referencias

• Datos: Q2893296