Als je data wilt halen uit HTML pagina’s, zoek je vaak naar de delen waarin je geïnteresseerd bent middels “mark-ups.” Stel dat je een pagina hebt met data van personen, die een ID en een naam hebben. De ID is een negen-cijferig getal, omsloten door een code <id> ervoor, en een code </id> erna. De naam van de persoon volgt onmiddellijk na de ID, en wordt gemarkeerd door de code <name> ervoor, en de code </name> erna.

Opgave

Schrijf een functie webscraper waaraan de locatie van een HTML-bestand (str) moet doorgegeven worden. De functie moet een lijst (list) teruggeven met de gegevens van alle personen uit het bestand. De gegevens van een persoon worden voorgesteld als een tuple met de ID (int) en de naam (str) van de persoon.

Voorbeeld

In onderstaande interactieve sessie gaan we ervan uit dat het tekstbestand data.html¹ zich in de huidige directory bevindt.

>>> webscraper('data.html')
[(123123123, 'Groucho Marx'), (123123124, 'Harpo Marx'), (123123125, 'Chico Marx'), (123123126, 'Zeppo Marx'), (123123127, 'Gummo Marx')]