web-dev-qa-db-ja.com

Beautiful SoupですべてのHTMLタグを取得する

美しいスープからすべてのhtmlタグのリストを取得しようとしています。

私はすべてを見つけますが、検索する前にタグの名前を知る必要があります。

次のようなテキストがある場合

html = """<div>something</div>
<div>something else</div>
<div class='magical'>hi there</div>
<p>ok</p>"""

どのようにリストを取得しますか

list_of_tags = ["<div>", "<div>", "<div class='magical'>", "<p>"]

私は正規表現でこれを行う方法を知っていますが、BS4を学ぼうとしています

pythonhtmlbeautifulsoup
15
humanbeing

find_all()に引数を指定する必要はありません。この場合、BeautifulSoupはツリー内のすべてのタグを再帰的に検索します。サンプル：

>>> from bs4 import BeautifulSoup
>>>
>>> html = """<div>something</div>
... <div>something else</div>
... <div class='magical'>hi there</div>
... <p>ok</p>"""
>>> soup = BeautifulSoup(html, "html.parser")
>>> [tag.name for tag in soup.find_all()]
[u'div', u'div', u'div', u'p']
>>> [str(tag) for tag in soup.find_all()]
['<div>something</div>', '<div>something else</div>', '<div class="magical">hi there</div>', '<p>ok</p>']
25
alecxe