بيثون جلب <العنوان>

Question

أريد جلب عنوان صفحة الويب التي أفتحها باستخدام Urllib2. ما هي أفضل طريقة للقيام بذلك، لتحليل HTML وابحث عن ما أحتاج إليه (في الوقت الحالي فقط، قد أحتاج إلى المزيد في المستقبل).

هل هناك تحليل جيد ليب لهذا الغرض؟

Answer 1

نعم أود أن أوصى جميلة

إذا كنت تحصل على العنوان، فهذا ببساطة:

soup = BeautifulSoup(html)
myTitle = soup.html.head.title

أو

myTitle = soup('title')

مأخوذ من وثائق

انها قوية جدا وسوف تحليل HTML بغض النظر عن كيف هو فوضوي.

Answer 2

يحاول حساء جميل:

url = 'http://www.example.com'
response = urllib2.urlopen(url)
html = response.read()

soup = BeautifulSoup(html)
title = soup.html.head.title
print title.contents

Answer 3

لماذا أنت تقوم يا رفاق باستيراد مكتبة إضافية كاملة لمهمة واحدة. لا تعبيرات منتظمة؟ لم يكن طلب Urllib ليس BS4 أو Mech وهو طرف ثالث؟ للقيام به مع المكتبات القياسية تحليل HTML ومطابقة السلسلة ثم تقسيم '>' '<' مع إعادة أو الوحشية.

N=(len(html))
for a in html(N):
    if '<title>' in a:
        Title=(str(a))

هذا بيثون 2 أعتقد، يمكنك تجريدها

Answer 4

يستخدم حساء جميل.

html = urllib2.urlopen("...").read()
from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)
print soup.title.string