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
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>']