HTML-Tiedoston Avaaminen
Olet jo perehtynyt HTML-perusteisiin, joten tutustutaan nyt ensimmäiseen tapaan käsitellä sitä Pythonilla.
Yksi moduuleista, joita voit käyttää HTML-tiedostojen käsittelyyn Pythonissa, on urllib.request. Sinun tulee import urlopen-metodi päästäksesi verkkosivuille. Anna vain avattavan sivun URL tämän metodin parametrina.
1234567# Importing the module from urllib.request import urlopen # Opening web page url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/18a4e428-1a0f-44c2-a8ad-244cd9c7985e/mother.html" page = urlopen(url) print(page)
Kuten yllä olevassa esimerkissä on esitetty, tuloksena saadaan http.client.HTTPResponse-objekti, mikä ei ole haluttu lopputulos. HTML-rakenteen saamiseksi tulee käyttää saamallesi objektille metodeja .read() ja .decode('utf-8').
decode("utf-8")-osaa käytetään muuntamaan raakabinaaridata ihmisen luettavaksi merkkijonoksi olettaen, että verkkosivun sisältö on koodattu UTF-8-muodossa. Tämä muunnos mahdollistaa verkkosivun tekstidatan käsittelyn merkityksellisellä tavalla, kuten sisällön jäsentämisen tai analysoinnin.
1234567891011# Importing the module from urllib.request import urlopen # Opening web page url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/18a4e428-1a0f-44c2-a8ad-244cd9c7985e/mother.html" page = urlopen(url) # Reading and decoding web_page = page.read().decode("utf-8") print(type(web_page)) print(web_page)
Käyttämällä .read()- ja .decode()-metodeja saat merkkijonon. Tämä merkkijono sisältää HTML-rakenteen selkeästi jäsenneltynä, mikä tekee siitä helposti luettavan ja mahdollistaa merkkijonometodien käytön siihen.
Jos .decode()-metodia ei käytettäisi, saisit bytes-olion, jossa koko HTML-sivu on esitetty yhtenä merkkijonona erityisillä merkeillä. Kokeile rohkeasti itse!
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 4.35HTML-Tiedoston Avaaminen
Pyyhkäise näyttääksesi valikon
Olet jo perehtynyt HTML-perusteisiin, joten tutustutaan nyt ensimmäiseen tapaan käsitellä sitä Pythonilla.
Yksi moduuleista, joita voit käyttää HTML-tiedostojen käsittelyyn Pythonissa, on urllib.request. Sinun tulee import urlopen-metodi päästäksesi verkkosivuille. Anna vain avattavan sivun URL tämän metodin parametrina.
1234567# Importing the module from urllib.request import urlopen # Opening web page url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/18a4e428-1a0f-44c2-a8ad-244cd9c7985e/mother.html" page = urlopen(url) print(page)
Kuten yllä olevassa esimerkissä on esitetty, tuloksena saadaan http.client.HTTPResponse-objekti, mikä ei ole haluttu lopputulos. HTML-rakenteen saamiseksi tulee käyttää saamallesi objektille metodeja .read() ja .decode('utf-8').
decode("utf-8")-osaa käytetään muuntamaan raakabinaaridata ihmisen luettavaksi merkkijonoksi olettaen, että verkkosivun sisältö on koodattu UTF-8-muodossa. Tämä muunnos mahdollistaa verkkosivun tekstidatan käsittelyn merkityksellisellä tavalla, kuten sisällön jäsentämisen tai analysoinnin.
1234567891011# Importing the module from urllib.request import urlopen # Opening web page url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/18a4e428-1a0f-44c2-a8ad-244cd9c7985e/mother.html" page = urlopen(url) # Reading and decoding web_page = page.read().decode("utf-8") print(type(web_page)) print(web_page)
Käyttämällä .read()- ja .decode()-metodeja saat merkkijonon. Tämä merkkijono sisältää HTML-rakenteen selkeästi jäsenneltynä, mikä tekee siitä helposti luettavan ja mahdollistaa merkkijonometodien käytön siihen.
Jos .decode()-metodia ei käytettäisi, saisit bytes-olion, jossa koko HTML-sivu on esitetty yhtenä merkkijonona erityisillä merkeillä. Kokeile rohkeasti itse!
Kiitos palautteestasi!
