


Web Scraping und Parsing von HTML in Python mit Beautiful Soup
Jan 10, 2025 pm 12:15 PMNutzen Sie die Kraft des Web Scraping mit Python und Beautiful Soup: Ein MIDI-Musikbeispiel
Das Internet ist eine Schatzkammer an Informationen, aber der programmgesteuerte Zugriff darauf kann ohne dedizierte APIs eine Herausforderung sein. Die Beautiful Soup-Bibliothek von Python bietet eine leistungsstarke L?sung, mit der Sie Daten direkt von Webseiten extrahieren und analysieren k?nnen.
Lassen Sie uns dies untersuchen, indem wir MIDI-Daten extrahieren, um ein Magenta-Neuronales Netzwerk für die Erzeugung klassischer Nintendo-Musik zu trainieren. Wir beziehen MIDI-Dateien aus dem Video Game Music Archive (VGM).
Einrichten Ihrer Umgebung
Stellen Sie sicher, dass Python 3 und pip installiert sind. Es ist wichtig, eine virtuelle Umgebung zu erstellen und zu aktivieren, bevor Abh?ngigkeiten installiert werden:
pip install requests==2.22.0 beautifulsoup4==4.8.1
Wir verwenden Beautiful Soup 4 (Beautiful Soup 3 wird nicht mehr gepflegt).
Scraping und Parsing mit Anfragen und sch?ner Suppe
Zuerst holen wir uns den HTML-Code und erstellen ein BeautifulSoup-Objekt:
import requests from bs4 import BeautifulSoup vgm_url = 'https://www.vgmusic.com/music/console/nintendo/nes/' html_text = requests.get(vgm_url).text soup = BeautifulSoup(html_text, 'html.parser')
Das soup
-Objekt erm?glicht die Navigation im HTML. soup.title
gibt den Seitentitel an; print(soup.get_text())
zeigt den gesamten Text an.
Die Kraft der sch?nen Suppe meistern
Die Methoden find()
und find_all()
sind unerl?sslich. soup.find()
zielt auf einzelne Elemente ab (z. B. erh?lt soup.find(id='banner_ad').text
Banner-Werbetext). soup.find_all()
iteriert durch mehrere Elemente. Dies druckt beispielsweise alle Hyperlink-URLs:
for link in soup.find_all('a'): print(link.get('href'))
find_all()
akzeptiert Argumente wie regul?re Ausdrücke oder Tag-Attribute für eine pr?zise Filterung. Weitere Informationen zu erweiterten Funktionen finden Sie in der Beautiful Soup-Dokumentation.
HTML navigieren und analysieren
Bevor Sie Parsing-Code schreiben, prüfen Sie den vom Browser gerenderten HTML-Code. Jede Webseite ist einzigartig; Die Datenextraktion erfordert oft Kreativit?t und Experimentierfreudigkeit.
Unser Ziel ist es, einzigartige MIDI-Dateien herunterzuladen, ausgenommen Duplikate und Remixe. Browser-Entwicklertools (Rechtsklick, ?Inspizieren“) helfen dabei, HTML-Elemente für den programmgesteuerten Zugriff zu identifizieren.
Verwenden wir find_all()
mit regul?ren Ausdrücken, um Links zu filtern, die MIDI-Dateien enthalten (ausgenommen solche mit Klammern im Namen):
Erstellen Sie nes_midi_scraper.py
:
import re import requests from bs4 import BeautifulSoup vgm_url = 'https://www.vgmusic.com/music/console/nintendo/nes/' html_text = requests.get(vgm_url).text soup = BeautifulSoup(html_text, 'html.parser') if __name__ == '__main__': attrs = {'href': re.compile(r'\.mid$')} tracks = soup.find_all('a', attrs=attrs, string=re.compile(r'^((?!\().)*$')) count = 0 for track in tracks: print(track) count += 1 print(len(tracks))
Dies filtert MIDI-Dateien, druckt ihre Link-Tags und zeigt die Gesamtzahl an. Führen Sie mit python nes_midi_scraper.py
.
Herunterladen der MIDI-Dateien
Jetzt laden wir die gefilterten MIDI-Dateien herunter. Fügen Sie die Funktion download_track
zu nes_midi_scraper.py
:
pip install requests==2.22.0 beautifulsoup4==4.8.1
Diese Funktion l?dt jeden Titel herunter und speichert ihn unter einem eindeutigen Dateinamen. Führen Sie das Skript im gewünschten Speicherverzeichnis aus. Sie sollten ungef?hr 2230 MIDI-Dateien herunterladen (abh?ngig vom aktuellen Inhalt der Website).
Das Potenzial des Webs erkunden
Web Scraping ?ffnet Türen zu riesigen Datens?tzen. Denken Sie daran, dass Webseiten?nderungen Ihren Code besch?digen k?nnen. Halten Sie Ihre Skripte auf dem neuesten Stand. Verwenden Sie Bibliotheken wie Mido (für die MIDI-Datenverarbeitung) und Magenta (für das Training neuronaler Netzwerke), um auf dieser Grundlage aufzubauen.
Das obige ist der detaillierte Inhalt vonWeb Scraping und Parsing von HTML in Python mit Beautiful Soup. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Hei?e KI -Werkzeuge

Undress AI Tool
Ausziehbilder kostenlos

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem v?llig kostenlosen KI-Gesichtstausch-Tool aus!

Hei?er Artikel

Hei?e Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Hei?e Themen

Pythons untestestes und PyTest sind zwei weit verbreitete Test -Frameworks, die das Schreiben, Organisieren und Ausführen automatisierter Tests vereinfachen. 1. Beide unterstützen die automatische Entdeckung von Testf?llen und liefern eine klare Teststruktur: Unittest definiert Tests durch Erben der Testpase -Klasse und beginnt mit Test \ _; PyTest ist pr?gnanter, ben?tigen nur eine Funktion, die mit Test \ _ beginnt. 2. Sie alle haben eine integrierte Behauptungsunterstützung: Unittest bietet AssertEqual, AssertRue und andere Methoden, w?hrend PyTest eine erweiterte Anweisung für die Assert verwendet, um die Fehlerdetails automatisch anzuzeigen. 3. Alle haben Mechanismen für die Vorbereitung und Reinigung von Tests: un

PythonisidealfordataanalysisduetoNumPyandPandas.1)NumPyexcelsatnumericalcomputationswithfast,multi-dimensionalarraysandvectorizedoperationslikenp.sqrt().2)PandashandlesstructureddatawithSeriesandDataFrames,supportingtaskslikeloading,cleaning,filterin

Die dynamische Programmierung (DP) optimiert den L?sungsprozess, indem komplexe Probleme in einfachere Unterprobleme zerlegt und deren Ergebnisse gespeichert werden, um wiederholte Berechnungen zu vermeiden. Es gibt zwei Hauptmethoden: 1. Top-Down (Memorisierung): Das Problem rekursiv zerlegen und Cache verwenden, um Zwischenergebnisse zu speichern; 2. Bottom-up (Tabelle): Iterativ L?sungen aus der grundlegenden Situation erstellen. Geeignet für Szenarien, in denen maximale/minimale Werte, optimale L?sungen oder überlappende Unterprobleme erforderlich sind, wie Fibonacci -Sequenzen, Rucksackprobleme usw. In Python k?nnen sie durch Dekoratoren oder Arrays implementiert werden, und die Aufmerksamkeit sollte für die Identifizierung rekursiver Beziehungen gezahlt werden, und die Optimierung der Komplexit?t des Raums.

Um einen benutzerdefinierten Iterator zu implementieren, müssen Sie die Methoden __iter__ und __next__ in der Klasse definieren. ① Die __iter__ -Methode gibt das Iteratorobjekt selbst, normalerweise selbst, um mit iterativen Umgebungen wie für Schleifen kompatibel zu sein. ② Die __Next__ -Methode steuert den Wert jeder Iteration, gibt das n?chste Element in der Sequenz zurück, und wenn es keine weiteren Elemente mehr gibt, sollte die Ausnahme der Stopperation geworfen werden. ③ Der Status muss korrekt nachverfolgt werden und die Beendigungsbedingungen müssen festgelegt werden, um unendliche Schleifen zu vermeiden. ④ Komplexe Logik wie Filterung von Dateizeilen und achten Sie auf die Reinigung der Ressourcen und die Speicherverwaltung; ⑤ Für eine einfache Logik k?nnen Sie stattdessen die Funktionsertrags für Generator verwenden, müssen jedoch eine geeignete Methode basierend auf dem spezifischen Szenario ausw?hlen.

Zukünftige Trends in Python umfassen Leistungsoptimierung, st?rkere Typ -Eingabeaufforderungen, der Aufstieg alternativer Laufzeiten und das fortgesetzte Wachstum des KI/ML -Feldes. Erstens optimiert CPython weiterhin und verbessert die Leistung durch schnellere Startzeit, Funktionsaufrufoptimierung und vorgeschlagene Ganzzahloperationen. Zweitens sind Typ -Eingabeaufforderungen tief in Sprachen und Toolchains integriert, um die Sicherheit und Entwicklung von Code zu verbessern. Drittens bieten alternative Laufzeiten wie Pyscript und Nuitka neue Funktionen und Leistungsvorteile; Schlie?lich erweitern die Bereiche von KI und Data Science weiter und aufstrebende Bibliotheken f?rdern eine effizientere Entwicklung und Integration. Diese Trends zeigen, dass Python st?ndig an technologische Ver?nderungen anpasst und seine führende Position aufrechterh?lt.

Das Python-Socket-Modul ist die Grundlage für die Netzwerkprogrammierung und bietet Niveau-Netzwerkkommunikationsfunktionen, die für das Erstellen von Client- und Serveranwendungen geeignet sind. Um einen grundlegenden TCP -Server einzurichten, müssen Sie Socket. Um einen TCP -Client zu erstellen, müssen Sie ein Socket -Objekt erstellen und .Connect () anrufen, um eine Verbindung zum Server herzustellen, und dann .Sendall () zum Senden von Daten und .recv () zum Empfangen von Antworten verwenden. Um mehrere Clients zu handhaben, k?nnen Sie 1. Threads verwenden: Starten Sie jedes Mal einen neuen Thread, wenn Sie eine Verbindung herstellen. 2. Asynchrone E/O: Zum Beispiel kann die Asyncio-Bibliothek eine nicht blockierende Kommunikation erreichen. Dinge zu beachten

Die Kernantwort auf die Python -Liste Slicing besteht darin, die Syntax [Start: Ende: Stufe] zu beherrschen und ihr Verhalten zu verstehen. 1. Das grundlegende Format der Listenschnitte ist die Liste [Start: Ende: Schritt], wobei der Start der Startindex (enthalten) ist, das Ende ist der Endindex (nicht enthalten) und Schritt ist die Schrittgr??e; 2. Start standardm??ig starten mit 0, lasse Ende standardm??ig bis zum Ende aus, standardm??ig standardm??ig 1 aus. 3.. Verwenden Sie My_List [: n], um die ersten N-Elemente zu erhalten, und verwenden Sie My_List [-n:], um die letzten N-Elemente zu erhalten. 4. Verwenden Sie den Schritt, um Elemente wie my_list [:: 2] zu überspringen, um gleiche Ziffern zu erhalten, und negative Schrittwerte k?nnen die Liste umkehren. 5. H?ufige Missverst?ndnisse umfassen den Endindex nicht

Der Polymorphismus ist ein Kernkonzept in der objektorientierten Programmierung von Python-Objekte und bezieht sich auf "eine Schnittstelle, mehrere Implementierungen" und erm?glicht eine einheitliche Verarbeitung verschiedener Arten von Objekten. 1. Polymorphismus wird durch Umschreiben durch Methode implementiert. Unterklassen k?nnen übergeordnete Klassenmethoden neu definieren. Zum Beispiel hat die Spoke () -Methode der Tierklasse unterschiedliche Implementierungen in Hunde- und Katzenunterklassen. 2. Die praktischen Verwendungen des Polymorphismus umfassen die Vereinfachung der Codestruktur und die Verbesserung der Skalierbarkeit, z. 3. Die Python -Implementierungspolymorphismus muss erfüllen: Die übergeordnete Klasse definiert eine Methode, und die untergeordnete Klasse überschreibt die Methode, erfordert jedoch keine Vererbung derselben übergeordneten Klasse. Solange das Objekt dieselbe Methode implementiert, wird dies als "Ententyp" bezeichnet. 4. Zu beachten ist die Wartung
