ich den Text innerhalb der beiden Elemente in einen String erhalten muß:Parsing HTML erhalten Text innerhalb eines Elements
source_code = """<span class="UserName"><a href="#">Martin Elias</a></span>"""
>>> text
'Martin Elias'
Wie kann ich das erreichen?
I "Python Parse html" gesucht und dies war das erste Ergebnis: https://docs.python.org/2/library/htmlparser.html
Dieser Code aus der Python-Dokumentation
genommen wirdfrom HTMLParser import HTMLParser
# create a subclass and override the handler methods
class MyHTMLParser(HTMLParser):
def handle_starttag(self, tag, attrs):
print "Encountered a start tag:", tag
def handle_endtag(self, tag):
print "Encountered an end tag :", tag
def handle_data(self, data):
print "Encountered some data :", data
# instantiate the parser and fed it some HTML
parser = MyHTMLParser()
parser.feed('<html><head><title>Test</title></head>'
'<body><h1>Parse me!</h1></body></html>')
Hier ist das Ergebnis:
Encountered a start tag: html
Encountered a start tag: head
Encountered a start tag: title
Encountered some data : Test
Encountered an end tag : title
Encountered an end tag : head
Encountered a start tag: body
Encountered a start tag: h1
Encountered some data : Parse me!
Encountered an end tag : h1
Encountered an end tag : body
Encountered an end tag : html
Mit diesem und mit Blick auf den Code in HTMLParser kam ich mit dieser:
class myhtmlparser(HTMLParser):
def __init__(self):
self.reset()
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
def handle_starttag(self, tag, attrs):
self.NEWTAGS.append(tag)
self.NEWATTRS.append(attrs)
def handle_data(self, data):
self.HTMLDATA.append(data)
def clean(self):
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
Sie können es wie folgt verwenden:
from HTMLParser import HTMLParser
pstring = source_code = """<span class="UserName"><a href="#">Martin Elias</a></span>"""
class myhtmlparser(HTMLParser):
def __init__(self):
self.reset()
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
def handle_starttag(self, tag, attrs):
self.NEWTAGS.append(tag)
self.NEWATTRS.append(attrs)
def handle_data(self, data):
self.HTMLDATA.append(data)
def clean(self):
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
parser = myhtmlparser()
parser.feed(pstring)
# Extract data from parser
tags = parser.NEWTAGS
attrs = parser.NEWATTRS
data = parser.HTMLDATA
# Clean the parser
parser.clean()
# Print out our data
print tags
print attrs
print data
Jetzt sollten Sie in der Lage sein, Ihre Daten aus diesen Listen leicht zu extrahieren. Ich hoffe das hat geholfen!
Das ist schön :) – AsheKetchum
Ich empfehle die Verwendung der Python Beautiful Soup 4 Bibliothek.
pip install beautifulsoup4
Es macht HTML-Analyse wirklich einfach.
from bs4 import BeautifulSoup
source_code = """<span class="UserName"><a href="#">Martin Elias</a></span>"""
soup = BeautifulSoup(source_code)
print soup.a.string
>>> 'Martin Elias'
Ich weiß, dass die Frage mit Python-2.x markiert ist, aber ich denke, es sollte beachtet werden, dass beautifulsoup nur auf Python 2.x funktioniert. – LJNielsenDk
Schöne Suppe 4 funktioniert sowohl in 2.7 und 3. –
Wo finden Sie gute API-Dokumentation für schöne Suppe? –
Sie können auch versuchen html5lib und XPath, there is a good question about it here, diese Antwort hat ein wichtiges Detail (namespaceHTMLElements) zu erinnern, wie erwartet zu machen html5lib verhalten. Ich habe so viel Zeit verschwendet, um es zum Laufen zu bringen, weil ich übersehen habe, dass ich das ändern musste.
installieren beautifulsoup und Sie können wie folgt tun:
from BeautifulSoup import BeautifulSoup
source_code = '"""<span class="UserName"><a href="#">Martin Elias</a></span>"""'
soup = BeautifulSoup(source_code)
print soup.find('span',{'class':'UserName'}).text
Theres mehrere Möglichkeiten, um die Katze hier, um die Haut. Was ist das Endergebnis? Sie könnten JavaScript oder serverseitiges Parsen durchführen. –