| Beautiful Soup | ||
|---|---|---|
| Información general | ||
| Tipo de programa | web scraping | |
| Autor | Leonard Richardson | |
| Licencia |
Python Software Foundation License (Inferior a la versión 4) Licencia MIT (A partir de la versión 4) | |
| Información técnica | ||
| Programado en | Python | |
| Versiones | ||
| Última versión estable | 4.14.330 de noviembre de 2025 | |
| Enlaces | ||
Beautiful Soup es una biblioteca de Python para extraer datos de documentos HTML y XML (incluyendo los que tienen un marcado incorrecto). Esta biblioteca crea un árbol con todos los elementos del documento y puede ser utilizado para extraer información. Por lo tanto, esta biblioteca es útil para realizar web scraping — extraer información de sitios web.
Beautiful Soup no es un analizador de documentos (parser), sino que crea las estructuras de datos necesarias para manejar de manera sencilla los datos extraídos por los analizadores, los cuales no forman parte del paquete, sobre los que trabaja.
# extracción de todos los enlaces de un documento html
from bs4 import BeautifulSoup
with open("./index.html") as f:
soup = BeautifulSoup(f)
for anchor in soup.find_all('a'):
print(anchor.get('href', '/'))