BeautifulSoup - find_all()

Version imprimable

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

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
<!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.

27/08/2023, 16h32
wiztricks

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
27/08/2023, 17h02
abraxas12

Super, ça fonctionne !
merci

bonjour

Citation:

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

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:

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