Wir können den Text innerhalb eines Tags mit der Funktion get_text() in BeautifulSoup erhalten. Aber was, wenn der Textbereich etwas HTML-ähnlichen Code enthält.Drucken von HTML wie Inhalte bilden eine Textarea mit BeautifulSoup
Beispiel:
from bs4 import BeautifulSoup
html = "<html><h1>#include <stdio.h></h1></html>"
soup = BeautifulSoup(html,"lxml")
print soup.h1.get_text()
Die obige Programm druckt "#include" aber ich wollte es vollen Text innerhalb h1 sein. Dies ist nur ein kleines Beispiel. Ich arbeite mit Scraping eines C++ Codes aus dem Internet. Ich habe zu dem Textbereich navigiert, in dem Code vorhanden ist, aber wenn ich es drucke, druckt es die Header-Dateien nicht. Textarea:
<textarea rows="20" cols="70" name="file" id="file" style="width: 100%;" data-input-file="1">#include <bits/stdc++.h>
using namespace std;
struct points
{
int x;
int count;
};
points a[105];
int main()
{
int n;
int k;
int t;
int i;
int j;
scanf("%d",&t);
while(t--) {
scanf("%d%d",&n,&k);
for(i = 1; i <= k; i++) {
scanf("%d",&a[i].x);
a[i].count = 1;
if(a[i].x == -1) {
a[i].x = 1000000000;
}
}
for(i = 2; i <= k; i++) {
for(j = 1; j < i; j++) {
if((a[i-j].x + a[j].x) < a[i].x && (a[i-j].count + a[j].count) <= n) {
a[i].x = a[i-j].x + a[j].x;
a[i].count = a[i-j].count + a[j].count;
}
}
}
if(a[k].x == 1000000000) {
printf("-1\n");
}
else {
printf("%d\n",a[k].x);
}
}
}
</textarea>
Mein Code zum Schaben:
from robobrowser import RoboBrowser
browser = RoboBrowser(parser = "lxml")
browser.open('http://www.spoj.com/')
form = browser.get_form(id='login-form')
form['login_user'].value = username
form['password'].value = password
browser.submit_form(form)
browser.open('http://www.spoj.com/myaccount')
l = browser.find(id = "user-profile-tables").find_all('td')
link = l[0].a['href']
link = "http://www.spoj.com" + link
browser.open(link)
codelink = browser.find(title = 'Edit source code')['href']
codelang = browser.find(class_ = 'slang text-center').get_text()
codelink = "http://www.spoj.com" + codelink
browser.open(codelink)
print browser.find(id = 'submit_form').textarea.get_text()
Gibt es eine Möglichkeit, es zu erreichen?
Ich scrapping einen C-Code aus dem Internet und was ich bekomme ist ein Code ohne Header-Dateien. Ich glaube nicht, dass ich damit Ihre Idee verwirklichen kann, da ich den Code nicht in meiner Hand habe. –
@ShivamMitra, können Sie eine Beispiel-URL teilen? Wenn es im Browser angezeigt wird, dann sollte es geflutet werden oder alles, was Sie sehen würden, ist der #include –
Ich habe den Beitrag bearbeitet. –