Trích xuất tiêu đề trang web với BeautifulSoup

BeautifulSoup giúp dễ dàng trích xuất thẻ <title> từ tài liệu HTML - thông tin quan trọng cho SEO, bookmark, hiển thị tab trình duyệt.

Cài đặt

pip install beautifulsoup4

Ví dụ lấy title

from bs4 import BeautifulSoup
import requests

url = "https://en.wikipedia.org/wiki/Algorithm"
response = requests.get(url)
soup = BeautifulSoup(response.text, "html.parser")

print("Tiêu đề trang:")
print(soup.title)
print("Nội dung title:", soup.title.string if soup.title else "Không có title")

Kết quả

Tiêu đề trang:

Nội dung title: Algorithm − Wikipedia

Giải thích

• soup.title trả về đối tượng Tag <title>....
• soup.title.string trả về text bên trong (nếu chỉ có text node duy nhất).
• soup.title.text hoặc soup.title.get_text() an toàn hơn, gom tất cả text con.
• Nếu trang không có thẻ title, soup.title trả về None.

Mở rộng: Lấy các thẻ heading khác

# Lấy tất cả h1, h2, h3
for heading in soup.find_all(['h1', 'h2', 'h3']):
    print(f"{heading.name}: {heading.get_text(strip=True)}")

Lưu ý

• Web scraping cần tuân thủ robots.txt và ToS của trang web.
• Wikipedia cho phép scrape có giới hạn rate, khuyến khích dùng API chính thức.
• Xử lý lỗi network, timeout, encoding.