美麗的湯精確的標記數據

我使用BeautifulSoup從HTML頁面提取一些數據。我做的是：美麗的湯精確的標記數據

list=soup.find_all('td', {'align': 'left', 'valign': None}) 
print list[0]

它給了我

<td align="left">\n<h3>Name XYZ</h3>\n CTS SANSKRUTI LAYOUT, 90 FEET RAOD, THAKUR COMPLEX, <br/>KANDIVALI EAST,<br/>Mumbai MAHARASHTRA-400101</td>

但是我要像輸出：

Name: Name XYZ, Add: CTS SANSKRUTI LAYOUT, 90 FEET RAOD, THAKUR COMPLEX, KANDIVALI EAST, Mumbai MAHARASHTRA-400101

我該怎麼辦？

來源

2016-12-07 TowardsNinja

find_all將返回標籤列表，所以當你在列表list[0]訪問的第一個項目，它將返回的第一個標籤，就像你輸出

，如果你想提取的標記文字，可以使用tag.text，在你的情況下

list[0].text

來源

2016-12-07 08:50:06

其實，我認爲有兩種方法，這取決於你在找什麼。

林不知道「姓名」，以及是否在您需要的輸出前的「添加」字符串是錯別字或沒有，所以這裏有兩種可能的方法，我就如何做到這一點看：

在如果您只是想提取方法獲得的list_tags的每個標記下方的所有文本，而不進行任何操作（如分隔每個詞），請參閱get_text()方法。

有了它，你可以選擇一個簡單的列表理解一樣：

>>> simple_uni_text = [tag.get_text() for tag in list_tags] 
>>> simple_uni_text 
[u'\nName XYZ\n CTS SANSKRUTI LAYOUT, 90 FEET RAOD, THAKUR COMPLEX, KANDIVALI EAST,Mumbai MAHARASHTRA-400101', u'\nName ABC\n DUT WITHOUT LAYIN, 45 FOOT AODR, RUKTHA SIMPLE, BOMBAY WEST,BOMBAY RASHTRAMAHA-400101'] 
>>> len(simple_uni_text) 
>>> 2 # I pretended the list_tags to have two tags, so it generated a list of length two!

的stripped_strings發電機。

它可能是一個棘手的方法。但是你可以獲得精確性。

>>> uni_stripped_words = [] 
>>> for tag in list_tags: 
     for string in tag.stripped_strings: 
      uni_stripped_words.append(string) 
>>> uni_stripped_words 
[u'Name XYZ', u'CTS SANSKRUTI LAYOUT, 90 FEET RAOD, THAKUR COMPLEX,', u'KANDIVALI EAST,', u'Mumbai MAHARASHTRA-400101', u'Name ABC', u'DUT WITHOUT LAYIN, 45 FOOT AODR, RUKTHA SIMPLE,', u'BOMBAY WEST,', u'BOMBAY RASHTRAMAHA-400101'] 
>>> len(uni_stripped_words) 
8

在這裏，您將在每個您的list_tags的teag之下找到的每個字符串與另一個字符串分開。因此，如果您確實想要在文本前添加以下「名稱」和「添加」，那麼它可以更好地符合您的需求。

>>> for word in uni_stripped_words: 
     print word 


    Name XYZ 
    CTS SANSKRUTI LAYOUT, 90 FEET RAOD, THAKUR COMPLEX, 
    KANDIVALI EAST, 
    Mumbai MAHARASHTRA-400101 
    Name ABC 
    DUT WITHOUT LAYIN, 45 FOOT AODR, RUKTHA SIMPLE, 
    BOMBAY WEST, 
    BOMBAY RASHTRAMAHA-400101 # Sorry for the weird text example haha

然而，我發現第二種方法不太可控。有，例如，有時意想不到的字符。個人而言，我更喜歡在將輸出寫出到文件時連接在一起！

無論如何，在這兩種情況下，不要忘記，結果列表將包含解壓縮的unicode類型文本。

乾杯

來源

2016-12-09 17:41:01 DMPierre

美麗的湯精確的標記數據

回答

相關問題