Giriş
Python, web sayfalarındaki belirli içerikleri çekmek ve analiz etmek için oldukça güçlü kütüphaneler sunar. Özellikle H2 başlıklarını (HTML’de etiketiyle tanımlanmış başlıklar) otomatik olarak almak, veri madenciliği ve içerik analizi projelerinde sıkça ihtiyaç duyulan bir işlemdir. Bu konuda en yaygın kullanılan kütüphaneler arasında Requests ve BeautifulSoup bulunur.
İlk adım, hedef web sayfasını Python ile indirip, içeriği parse etmek. Ardından, HTML yapısında yer alan etiketlerini seçip, bunların metin içeriklerini listelemek gerekir. Bu işlemi birkaç satır kodla rahatlıkla yapabiliriz.
Örnek senaryoda, örnek bir URL’den tüm H2 başlıklarını çekip ekrana yazdıracağız. Bu süreç, temel olarak şu adımlardan oluşur:
- Requests ile sayfayı indir.
- BeautifulSoup ile HTML içeriği parse et.
- find_all() fonksiyonuyla etiketlerini seç.
- Her bir başlık için metni al ve listeye ekle veya yazdır.
Örnek kod şu şekildedir:
123456789101112python
import requests
from bs4 import BeautifulSoup
url = 'https://ornekwebsitesi.com'
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
h2_basliklari = soup.find_all('h2')
for baslik in h2_basliklari:
print(baslik.get_text(strip=True))
Bu kod, verilen URL’den sayfayı indirir, HTML’deki tüm başlıklarını toplar ve temizlenmiş şekilde ekrana yazdırır. Bu yöntem, sadece başlıkları değil, aynı zamanda belirli sınıfa veya ID’ye sahip başlıkları da filtrelemek için genişletilebilir.
Sonuç olarak, Python ile H2 başlıklarını çekmek, birkaç temel kütüphane ve doğru HTML seçimiyle oldukça hızlı ve etkili biçimde gerçekleştirilebilir. Bu yöntemi kullanarak, web üzerindeki içerikleri düzenli biçimde toplayabilir ve analiz edebilirsiniz.
