API de Python para procesar archivos HTML

Convertir HTML a PDF: ejemplo de código Python

from aspose.html import *
from aspose.html.converters import *
from aspose.html.saving import *

# Load an HTML document to be converted
document = HTMLDocument("document.html")

# Create an instance of the PdfSaveOptions class
options = PdfSaveOptions()

# Convert HTML to PDF
Converter.convert_html(document, options, "output.pdf")

Aspose.HTML proporciona convertidores para convertir documentos basados ​​en HTML a PDF, XPS, DOCX, JPG, PNG, BMP, TIFF, GIF y otros formatos.

Navegar HTML: ejemplo de código Python

from aspose.html import *

# Prepare HTML code
html_code = "<span>Hello</span> <span>World!</span>"

# Initialize a document from the prepared code
with HTMLDocument(html_code, ".") as document:
    # Get the reference to the first child (first <span>) of the body
    element = document.body.first_child
    print(element.text_content)  # output: Hello

    # Get the reference to the whitespace between html elements
    element = element.next_sibling
    print(element.text_content)  # output: ' '

    # Get the reference to the second <span> element
    element = element.next_sibling
    print(element.text_content)  # output: World!

Extracción de datos

Aspose.HTML for Python via .NET se basa completamente en la especificación W3C y admite consultas XPath y CSS Selector. Con él, puedes inspeccionar rápidamente el contenido de cualquier documento HTML y crear tu propia solución de extracción de datos.

from aspose.html import *

# Create an instance of HTML document with a web address
document = html.HTMLDocument("https://www.wikipedia.org/")

# Query all h2 elements
elements = document.query_selector_all("h2")

# Check if any h2 elements are found
if elements.length > 0:
    # Get the first h2 element
    first_heading = elements[0]
    # Get the text content of the h2 element
    content = first_heading.text_content.strip() if first_heading.text_content else ""
    # Print the text of the first h2 element
    print("Text of the first heading:")
    print(content)
else:
    print("No h2 elements found on the page")

Aspose.HTML for Python via .NET hace que navegar y manipular documentos HTML sea simple y eficiente, proporcionando una solución versátil para los desarrolladores que necesitan trabajar con contenido HTML mediante programación.