BeautifulSoup - find_all()

**abraxas12** · 27/08/2023, 15h09

Bonjour,
Je bloque pour extraire certaines données de la page HTML ci-dessous :

Code html :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
<!DOCTYPE html>
<html>
  <head>
    <title>Exercice extraction HTML</title>
  </head>
  <body>
    <h1>Bienvenue sur notre site web</h1>
    <p>Voici une liste de nos produits :</p>
    <ul>
      <li>
        <h2>Produit 1</h2>
        <p>Prix : 10€</p>
        <p>Description : Lorem ipsum dolor sit amet, consectetur adipiscing elit.</p>
      </li>
      <li>
        <h2>Produit 2</h2>
        <p>Prix : 20€</p>
        <p>Description : Sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.</p>
      </li>
      <li>
        <h2>Produit 3</h2>
        <p>Prix : 30€</p>
        <p>Description : Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat.</p>
      </li>
    </ul>
  </body>
</html>

Comment faire pour extraire seulement les prix ? soit les balises <p> à l'intérieur des balises <ul>.
Ça doit être tout bête mais je bloque malgré mes recherches.
J'ai essayé de rentrer différents critères avec soup.find_all('p', attrs={"class": "class_name", "id": "id_name"}) mais impossible.

**wiztricks** · 27/08/2023, 16h32

Salut,

Par filtres successifs. Par exemple en récupérant ce que retourne soup.find_all('p') dont le contenu commence par 'Prix : '.
En une seule ligne, il faut passer une regexp: soup.find_all('p', string=re.compile('Prix :'))

- W

**abraxas12** · 27/08/2023, 17h02

Super, ça fonctionne !
merci

**papajoker** · 28/08/2023, 10h34

bonjour

Envoyé par abraxas12

Comment faire pour extraire seulement les prix ? soit les balises <p> à l'intérieur des balises <ul>.

Question pas claire ! (puisqu'il y a plusieurs balises p)
- on peut ne sélectionner que la première balise P
- ou, sélectionner en fonction du contenu

find_all , ce que j'en pense ...

Clairement, je préfère select() et on peut facilement l'utiliser suivant les 2 critères qui sont complètement différents :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
for prix in soup.select('ul li > p:nth-of-type(1)'):
    print(prix)
# balises li qui contiennent impérativement un H2 (tordu, mais parfois...)
for prix in soup.select('ul li:has(> h2)  p:nth-of-type(1)'):
    print(prix)
# ou , uniquement un p précédé d'un H2
for prix in soup.select('ul li h2 + p'):
    print(prix)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
for prix in soup.select('ul li > p:-soup-contains("Prix")'):
    print(prix)
# ul li:has(> h2)  p:-soup-contains("Prix") # est aussi valide
 
# "-soup-contains()" presque équivalent à :
for prix in soup.select('ul li > p'):
    if str(prix.string).startswith("Prix"):
        print(prix)

Pour les pseudo classes (et sélecteurs), voir la doc de la lib de BeautifulSoup

BeautifulSoup - find_all() [Python 3.X]

Python

Vue hybride

Discussions similaires

Partager

Partager