Recherche Avancée

Certaines HTML balises nécessitent des attributs obligatoires, telles que la balise d'ancre qui requiert l'attribut href ou <img> qui requiert l'attribut src. Si vous vous intéressez à un attribut spécifique, vous pouvez utiliser la méthode .get() après .attrs. Par exemple, récupérons tous les attributs src de tous les éléments <img>.


              12345678910111213
            
# Importing libraries
from bs4 import BeautifulSoup
from urllib.request import urlopen

# Reading web page
url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/18a4e428-1a0f-44c2-a8ad-244cd9c7985e/page.html"
page = urlopen(url)
html = page.read().decode("utf-8")

# Reading HTML with BeautifulSoup
soup = BeautifulSoup(html, "html.parser")
for img in soup.find_all("img"):
  print(img.attrs.get("src"))

Il est également possible de rencontrer l'attribut id, qui est assez courant et est utilisé pour distinguer des éléments sous la même balise. Si vous vous intéressez à des valeurs d'attribut spécifiques, vous pouvez les passer sous forme de dictionnaire (au format attr_name: attr_value) en tant que paramètre pour .find_all() (immédiatement après avoir spécifié la balise que vous recherchez). Par exemple, nous nous intéressons uniquement aux éléments <div> dont l'attribut class est défini à "box", ou nous recherchons l'élément <p> avec une valeur d'attribut "id" de "id2".


              12345678910111213141516
            
# Importing libraries
from bs4 import BeautifulSoup
from urllib.request import urlopen

# Reading web page
url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/18a4e428-1a0f-44c2-a8ad-244cd9c7985e/page.html"
page = urlopen(url)
html = page.read().decode("utf-8")

# Reading HTML with BeautifulSoup
soup = BeautifulSoup(html, "html.parser")
for div in soup.find_all("div", {"class": "box"}):
  print(div)

# Filtering by id attribute value
print(soup.find("p", {"id": "id2"}))

Nous avons utilisé la méthode .find() (au lieu de .find_all()) pour récupérer l’élément avec un id spécifique, car l’id est un identifiant unique et il ne peut y avoir plus d’un élément avec la même valeur. Pour nous assurer que nous avons obtenu uniquement des éléments <div> spécifiques, examinons les classes associées aux éléments <div>.


              12345678910111213
            
# Importing libraries
from bs4 import BeautifulSoup
from urllib.request import urlopen

# Reading web page
url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/18a4e428-1a0f-44c2-a8ad-244cd9c7985e/page.html"
page = urlopen(url)
html = page.read().decode("utf-8")

# Reading HTML with BeautifulSoup
soup = BeautifulSoup(html, "html.parser")
for div in soup.find_all("div"):
  print(div.attrs.get("class"))

Tout était clair ?

Merci pour vos commentaires !

Section 3. Chapitre 5