इस लेख में, हम BeatifulSoup और requests का उपयोग करके पायथन में विकिपीडिया के इन्फोबॉक्स से टेक्स्ट स्क्रैप करेंगे। हम इसे 10 मिनट में कर सकते हैं। यह सीधा है।
हमें bs4 और requests इंस्टॉल करने की आवश्यकता है। इंस्टॉल करने के लिए नीचे दी गई कमांड निष्पादित करें।
pip install bs4 pip install requests
इन्फोबॉक्स से वांछित टेक्स्ट लाने के लिए कोड लिखने के लिए नीचे दिए गए चरणों का पालन करें:
- bs4 और requests मॉड्यूल इम्पोर्ट करें।
- requests.get() विधि का उपयोग करके उस पेज पर HTTP रिक्वेस्ट भेजें जिससे आप डेटा लाना चाहते हैं।
- bs4.BeautifulSoup क्लास का उपयोग करके रिस्पांस टेक्स्ट को पार्स करें और इसे एक वेरिएबल में स्टोर करें।
- विकिपीडिया पेज पर जाएं और उस तत्व का निरीक्षण करें जो आप चाहते हैं।
- bs4 द्वारा प्रदान की गई उपयुक्त विधि का उपयोग करके तत्व ढूंढें।
आइए नीचे उदाहरण कोड देखें:
उदाहरण
# मॉड्यूल इम्पोर्ट करना import requests import bs4 # URL URL = "https://en.wikipedia.org/wiki/India" # रिक्वेस्ट भेजना response = requests.get(URL) # रिस्पांस पार्स करना soup = bs4.BeautifulSoup(response.text, 'html') # अब, हमारे पास पार्स्ड HTML है। मैं विकिपीडिया पेज से _motto_ प्राप्त करना चाहता हूं। # तत्व संरचना # table - class="infobox" # 3rd tr से motto प्राप्त करें # इन्फोबॉक्स प्राप्त करना infobox = soup.find('table', {'class': 'infobox'}) # 3rd row element tr प्राप्त करना third_tr = infobox.find_all('tr')[2] # third_tr से हमें पहला 'a' तत्व और 'div' तत्व ढूंढना है आवश्यक डेटा प्राप्त करने के लिए first_a = third_tr.div.find('a') div = third_tr.div.div # motto motto = f"{first_a.text} {div.text[:len(div.text) - 3]}" # motto प्रिंट करना print(motto)
यदि आप उपरोक्त प्रोग्राम चलाते हैं, तो आपको निम्न परिणाम मिलेगा:
आउटपुट
Satyameva Jayate "Truth Alone Triumphs"
निष्कर्ष
आप विकिपीडिया पेज पर निरीक्षण करके और तत्व ढूंढकर कोई भी डेटा प्राप्त कर सकते हैं। यदि ट्यूटोरियल के संबंध में आपके कोई प्रश्न हैं, तो उन्हें कमेंट सेक्शन में बताएं।
