دریافت نام کلاس های html با پایتون

خب همان طور که دوستان برنامه نویسمون می دونن یکی از راه هایی که ما می تونیم به داده های موجود در برناممون مثل اسکریپت های php دسترسی پیدا کنیم و اون ها رو در سرتاسر برنامه صدا بزنیم، استفاده از همون شناسه یا آیدی منحصر به فرد آنهاست یعنی مثلا با صدا زدن شناسه یک آبجت به محتوا یا درواقع داده اون شی یا کلاس دست پیدا می کنیم با همین روش (دانستن نام کلاس یا آیدی آن تگ ) میتونیم موقع داده کاوی با پایتون به کلیه ی داده های کلاس موجود در تگ های ( برچسب های) فایل HTML دست پیدا کنیم و آنها را استخراج کنیم بعد طبق نیاز خودمون داده ساختار یافته تولید کنیم .

نمونه کد (استخراج نام کلیه کلاس ها ):

# Import Module 

from bs4 import BeautifulSoup 

import requests 

# Website URL 

URL = 'https://cafebazaar.ir/cat/social'

# class list set 

class_list = set() 

# Page content from Website URL 

page = requests.get( URL ) 

# parse html content 

soup = BeautifulSoup( page.content , 'html.parser') 

# get all tags 

tags = {tag.name for tag in soup.find_all()} 

# iterate all tags 

for tag in tags: 

    # find all element of tag 

    for i in soup.find_all( tag ): 

        # if tag has attribute of class 

        if i.has_attr( &quotclass&quot ): 

            if len( i['class'] ) != 0: 

                class_list.add(&quot &quot.join( i['class'])) 

print( class_list ) 

در آخر شما فقط URL وبسایت عوض کنین و فایل رو با نام دلخواه مثل get_names_class.py ذخیره کنین و بعد اجرا کنین اگه همه چیز درست پیش رفته باشه توی خروجی چیزی مثل عکس زیر دریافت می کنین :

خب حالا این اسم های کلاس ها رو توی فایلی دیگ مثلا get-class-name.txt کپی و بچسبانید و بعد هم ذخیره کنید تا موقع نیاز بتونین اون ها رو صدا بزنین و استفاده کنین.

منبع اصلی :

این سایت