BeautifulSoup एक थर्ड-पार्टी पायथन लाइब्रेरी है जिसका उपयोग वेब पेजों से डेटा पार्स करने के लिए किया जाता है। यह वेब स्क्रैपिंग में मदद करता है, जो विभिन्न स्रोतों से डेटा निकालने, उपयोग करने और हेरफेर करने की एक प्रक्रिया है। साथ ही, यह डेवलपर्स को नेचुरल लैंग्वेज प्रोसेसिंग एप्लिकेशन में मदद करता है, डेटा का विश्लेषण करता है, और उससे सार्थक अंतर्दृष्टि निकालता है।
नेचुरल लैंग्वेज प्रोसेसिंग, या NLP मशीन लर्निंग का एक हिस्सा है जो टेक्स्ट डेटा और इसे मशीन लर्निंग समस्या के इनपुट के रूप में आपूर्ति करने के लिए प्री-प्रोसेसिंग के तरीकों से संबंधित है।
वेब स्क्रैपिंग का उपयोग शोध उद्देश्यों के लिए डेटा निकालने, बाजार के रुझानों को समझने/तुलना करने, SEO मॉनिटरिंग करने आदि के लिए भी किया जा सकता है।
Windows पर BeautifulSoup इंस्टॉल करने के लिए निम्न कमांड चलाएं:
उदाहरण
pip install beautifulsoup4
import requests
from bs4 import BeautifulSoup
from urllib.request import urlopen
import urllib
url = 'https://en.wikipedia.org/wiki/Algorithm'
parsed_uri = urllib.request.urlparse(url)
domainName = '{uri.scheme}://{uri.netloc}/'.format(uri=parsed_uri)
print("The domain name is : ")
print(domainName)
आउटपुट
The domain name is : https://en.wikipedia.org/
व्याख्या
आवश्यक पैकेज आयात किए जाते हैं, और उपनाम दिए जाते हैं।
वेबसाइट परिभाषित की जाती है।
'netloc' और 'scheme' फ़ंक्शन का उपयोग करके डोमेन नाम निर्धारित किया जाता है।
डोमेन का नाम प्राप्त करने के लिए 'urlparse' फ़ंक्शन को कॉल किया जाता है।
डोमेन नाम कंसोल पर प्रिंट किया जाता है।
