recherche d'information dans script html via beautifulsoup

Version imprimable

17/05/2023, 21h23
damienvialla

recherche d'information dans script html via beautifulsoup

Hello la team,

Je vais avoir besoin de vous pour deux "petits" sujets d'extractions d'information dans un script html d'une page que je souhaite scraper.

1. aller chercher une information dans "l'intitulé" d'une balise.

Pour chercher entre les balises d'un html comme suite, c'est relativement simple et ca me retourne bien "Rolex Daytona"

Citation:

<div class="text-bold text-ellipsis">
Rolex Daytona</div>

Code:

marque = j.find("div", {"class":"text-bold text-ellipsis"}).get_text()

Par contre, j'aimerais aller chercher des informations dans une balise et je n'y arrive pas

inspection html qui me pose soucis, j'aimerais aller récupérer en automatique la valeur Rolex qui se trouve après data-manufacturer :

Citation:

<div class="full-width">
<a href="/rolex/--6239--id27696090.htm" onclick="trackTeaserEvent('home.index', 'recommended-watches', {'articleId': $(this).data('article-id')});" class="article-item block-item rcard" data-article-id="27696090" data-manufacturer="Rolex">

2. Morceler des informations entre des balises span

Plusieurs balises <span> avec plusieurs informations distinctes dans une balise "a class="product-item-link""

Citation:

<a class="product-item-link" href="https://www.timeshop24.fr/ingersoll-i11 ... alina.html">
<span>Ingersoll</span>
<span>The Catalina Automatique 44mm</span>
<span>I11802</span>
</a>

Lorsque je fais une get_text dans la balise "a class="product-item-link"", j'extraie toutes les informations sans pouvoir les séparer :

Code:

marque = i.find("a", {"class":"product-item-link"}).get_text()

Ce code me donne : "IngersollThe Shelby Automatique 44mmI10901B" et j'aurais voulu pouvoir faire un code pour extraire "Ingersoll" puis "The Shelby Automatique 44mm" puis "I10901B"

Je sais pouvoir compter sur vous, encore merci.

Damien
17/05/2023, 23h45
papajoker

bonjour

Tu débutes ? tout ceci est la base et est dans la doc ...

1)
récupérer un attribut est très très simple, on trouve des exemples dans toutes les doc (par exemple src d'une balise A est dans 9 tutos sur 10)
valeur = balise["attribut"].

2)
Plusieurs solutions
1) depuis ton code :
Ta variable marque est un élément beautifulsoup, donc rien ne t'empêche de (re)faire une recherche depuis cet élément for span in marque.find_all("SPAN"):...
2) Tu peux aussi faire directement le "find all", type: for span in html.select_all("a.product-item-link span")
18/05/2023, 12h33
damienvialla

Salut Papajoker,

1. J'ai vraiment pas de chance ou je dois être vraiment très débile (on peut facilement opter pour la deuxième solution je pense) car j'ai passé approx 8h sur ce point et je n'y suis jamais arrivé. J'ai du sans doute lire toutes les docs à hauteur de 1/10 qui n'avait pas l'info ou que je n'ai pas su la saisir, la comprendre. Bref, pas plus grave que cela, je vais abandonner la chose car comme disait JJG : "parce que parfois tout donner n'est pas forcément suffire"

2. j'ai essayé ce que tu as préconisé et vais sans doute laisser maturer durant ce long week-end car je n'ai pas réussi à chaud à faire

Merci d'avoir pris le temps de répondre à mon message.

Damien

Citation:

Envoyé par papajoker

bonjour

Tu débutes ? tout ceci est la base et est dans la doc ...

1)
récupérer un attribut est très très simple, on trouve des exemples dans toutes les doc (par exemple src d'une balise A est dans 9 tutos sur 10)
valeur = balise["attribut"].

2)
Plusieurs solutions
1) depuis ton code :
Ta variable marque est un élément beautifulsoup, donc rien ne t'empêche de (re)faire une recherche depuis cet élément for span in marque.find_all("SPAN"):...
2) Tu peux aussi faire directement le "find all", type: for span in html.select_all("a.product-item-link span")

Citation:

Envoyé par damienvialla

1. j'ai passé approx 8h sur ce point et je n'y suis jamais arrivé... je vais abandonner la chose

? car c'est pourtant très simple. Lorsque l'on débute il faut écrire un petit srcipt pour tester rapidement une seule chose ;)
Code:

1 2 3 4 5 6 7 8 9 10 11 12 from bs4 import BeautifulSoup html = ''' <div> <a data-manufacturer="Rolex" truc="machin">...</a> </div> ''' soup = BeautifulSoup(html, "html.parser") tag = soup.find("a") if tag: print("attribut `truc` : ", tag["truc"]) print("attribut `marque` : ", tag["data-manufacturer"])
Citation:

Envoyé par damienvialla

2. car je n'ai pas réussi à chaud à faire

Ici aussi, il faut faire des tests le plus simple possible. Comme dit plus haut, il y a 36 façons de faire, c'est selon tes préférences, tes besoins particuliers
Code:

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 28 29 from bs4 import BeautifulSoup html = ''' <a class="product-item-link"> <span>a</span> <span>b</span> <span>c</span> </a> ''' soup = BeautifulSoup(html, "html.parser") tag = soup.find("a", {"class": "product-item-link"}) if tag: for span in tag.find_all("span"): print("span :", span.text) tag = soup.find("a") if tag: a, b, c = tag.find_all("span") print("spans 1 :", a, b, c) tags = soup.select("a.product-item-link span") if tags: print("spans :", tags) a, b, c = (e..get_text() for e in soup.select("a.product-item-link span")) if tags: print("spans :", a, b, c)