Python の BeautifulSoup ライブラリを使用して HTML メッセージをロードする
HTML ドキュメントの解析は、データ マイニングや Web クローリングなどの分野で非常に一般的なタスクです。ただし、HTML ドキュメントの構造は複雑かつ多様であるため、データを迅速かつ正確に抽出するにはいくつかのツールが必要です。最も人気のあるツールの 1 つは、Python の BeautifulSoup ライブラリです。
BeautifulSoup は、入力ドキュメントのエンコーディングを自動的に変換し、中国語の文字の処理に便利な Unicode エンコーディングに変換できる強力な Python ライブラリです。同時に、HTML および XML ドキュメントを解析できる強力な解析機能を備え、CSS セレクターと XPath 式をサポートします。したがって、BeautifulSoupライブラリを使用すると、HTMLドキュメントから必要な情報を簡単に抽出できます。
BeautifulSoup ライブラリを使用する前に、まずインストールする必要があります。ターミナルに次のコマンドを入力してインストールします。
pip install beautifulsoup4
次に、具体的な例を見てみましょう。次の内容を含む HTML ファイル (test.html) があるとします。
<!DOCTYPE html>
<html>