কিভাবে BeautifulSoup প্যাকেজ পাইথনে একটি ওয়েবপৃষ্ঠা থেকে ডেটা পার্স করতে ব্যবহার করা যেতে পারে?

BeautifulSoup হল একটি তৃতীয় পক্ষের পাইথন লাইব্রেরি যা ওয়েব পৃষ্ঠাগুলি থেকে ডেটা পার্স করতে ব্যবহৃত হয়৷ এটি ওয়েব স্ক্র্যাপিংয়ে সাহায্য করে, যা বিভিন্ন সংস্থান থেকে ডেটা আহরণ, ব্যবহার এবং ম্যানিপুলেট করার একটি প্রক্রিয়া৷

ওয়েব স্ক্র্যাপিং গবেষণার উদ্দেশ্যে ডেটা বের করতে, বাজারের প্রবণতা বোঝা/তুলনা করতে, এসইও মনিটরিং সম্পাদন করতে এবং আরও অনেক কিছু করতে ব্যবহার করা যেতে পারে।

Windows-

pip install beautifulsoup4

আসুন একটি উদাহরণ দেখি -

উদাহরণ

 bs4 import BeautifulSoupfrom urllib.request import urlopenimport urlliburl ='https://en.wikipedia.org/wiki/Algorithm'html =urlopen(url).read()print("ওয়েবপৃষ্ঠা পড়া..." )স্যুপ =বিউটিফুল স্যুপ(html, features="html.parser")print("ওয়েবপৃষ্ঠা পার্সিং...")সুপে স্ক্রিপ্টের জন্য(["script", "style"]):script.extract() # rip it আউটপ্রিন্ট("ওয়েবপেজ থেকে পাঠ্য বের করা হচ্ছে...")টেক্সট =soup.get_text()print("ডেটা ক্লিনিং...")লাইন =(line.strip() text.splitlines()) খণ্ড =( phrase.split(""))টেক্সট ='\n'.join(খণ্ডে খণ্ডের জন্য খণ্ড খণ্ড হলে)টেক্সট =str(টেক্সট)প্রিন্ট (টেক্সট)

আউটপুট

ব্যাখ্যা

• প্রয়োজনীয় প্যাকেজগুলি আমদানি করা হয়, এবং উপনামযুক্ত৷

  ৷

• ওয়েবসাইটটি সংজ্ঞায়িত করা হয়েছে৷

  ৷

• url খোলা হয়, এবং 'স্ক্রিপ্ট' ট্যাগ এবং অন্যান্য অপ্রাসঙ্গিক HTML ট্যাগগুলি সরানো হয়৷

• 'get_text' ফাংশনটি ওয়েবপৃষ্ঠা ডেটা থেকে পাঠ্য বের করতে ব্যবহৃত হয়।

• অতিরিক্ত স্পেস এবং অকার্যকর শব্দ মুছে ফেলা হয়েছে।

• পাঠ্যটি কনসোলে মুদ্রিত হয়৷

  ৷