Preguntas etiquetadas con beautifulsoup

Tengo problemas para tratar con caracteres Unicode del texto obtenido de diferentes páginas web (en diferentes sitios). Estoy usando BeautifulSoup. El problema es que el error no siempre es reproducible; a veces funciona con algunas páginas y, a veces, irrita lanzando a UnicodeEncodeError. He...

Tengo problemas para analizar elementos HTML con el atributo "class" usando Beautifulsoup. El código se ve así soup = BeautifulSoup(sdata) mydivs = soup.findAll('div') for div in mydivs: if (div["class"] == "stylelistrow"): print div Recibo un error en la misma línea "después" de que finaliza...

... soup = BeautifulSoup(html, "lxml") File "/Library/Python/2.7/site-packages/bs4/__init__.py", line 152, in __init__ % ",".join(features)) bs4.FeatureNotFound: Couldn't find a tree builder with the features you requested: lxml. Do you need to install a parser library? Las salidas anteriores en...

Estoy tratando de raspar un sitio web, pero me da un error. Estoy usando el siguiente código: import urllib.request from bs4 import BeautifulSoup get = urllib.request.urlopen("https://www.website.com/") html = get.read() soup = BeautifulSoup(html) print(soup) Y obtengo el siguiente...

TypeError: se requiere un objeto similar a bytes, no 'str' obtener el error anterior mientras se ejecuta el código python debajo para guardar los datos de la tabla HTML en el archivo Csv. no sé cómo obtener rideup.pls ayúdame. import csv import requests from bs4 import

soup.find("tagName", { "id" : "articlebody" }) ¿Por qué esto NO devuelve las <div id="articlebody"> ... </div>etiquetas y demás? No devuelve nada. Y sé a ciencia cierta que existe porque lo estoy mirando desde soup.prettify() soup.find("div", { "id" : "articlebody" }) Tampoco...

¿Cómo puedo recuperar los enlaces de una página web y copiar la dirección URL de los enlaces usando

Estoy trabajando en Python y usando Flask. Cuando ejecuto mi archivo Python principal en mi computadora, funciona perfectamente, pero cuando activo venv y ejecuto el archivo Python Flask en la terminal, dice que mi archivo Python principal tiene "No Module Named bs4". Cualquier comentario o consejo...

Quiero hacer un sitio web que muestre la comparación entre Amazon y el precio del producto e-bay. ¿Cuál de estos funcionará mejor y por qué? Estoy algo familiarizado con BeautifulSoup pero no tanto con Scrapy crawler

Básicamente, quiero usar BeautifulSoup para tomar estrictamente el texto visible en una página web. Por ejemplo, esta página web es mi caso de prueba. Y principalmente quiero obtener el texto del cuerpo (artículo) y tal vez incluso algunos nombres de pestañas aquí y allá. He intentado la sugerencia...

Quiero obtener todas las <a>etiquetas que son secundarias de <li>: <div> <li class="test"> <a>link1</a> <ul> <li> <a>link2</a> </li> </ul> </li> </div> Sé cómo encontrar un elemento con una clase...

Estoy tratando de extraer el contenido de un atributo de "valor" único en una etiqueta de "entrada" específica en una página web. Yo uso el siguiente código: import urllib f = urllib.urlopen("http://58.68.130.147") s = f.read() f.close() from BeautifulSoup import BeautifulStoneSoup soup =...

Estoy usando BeautifulSoup para raspar una URL y tenía el siguiente código import urllib import urllib2 from BeautifulSoup import BeautifulSoup url = "http://www.example.com/servlet/av/ResultTemplate=AVResult.html" req = urllib2.Request(url) response = urllib2.urlopen(req) the_page =...

Quiero imprimir un valor de atributo basado en su nombre, tome por ejemplo <META NAME="City" content="Austin"> Quiero hacer algo como esto soup = BeautifulSoup(f) //f is some HTML containing the above meta tag for meta_tag in soup('meta'): if meta_tag['name'] == 'City': print...

¿Se pueden eliminar las etiquetas de script y todo su contenido de HTML con BeautifulSoup, o tengo que usar expresiones regulares u otra cosa?

Estoy aprendiendo Python requestsy BeautifulSoup. Como ejercicio, he optado por escribir un analizador rápido de multas de estacionamiento de la ciudad de Nueva York. Puedo obtener una respuesta html que es bastante fea. Necesito agarrar lineItemsTabley analizar todas las entradas. Puedes...

He instalado BeautifulSoup usando easy_install e intentando ejecutar el siguiente script from BeautifulSoup import BeautifulSoup import re doc = ['<html><head><title>Page title</title></head>', '<body><p id="firstpara" align="center">This is paragraph...

¿Cómo podría, usando BeautifulSoup, buscar etiquetas que contengan SOLO los atributos que busco? Por ejemplo, quiero encontrar todas las <td valign="top">etiquetas. El siguiente código: raw_card_data = soup.fetch('td', {'valign':re.compile('top')}) obtiene todos los datos que quiero,...