首页 文章

使用BeautifulSoup Python在span标记之间提取数据

提问于
浏览 次
1

我想在span标签之间提取数据 . 这是一个html代码示例：

<p>
    <span class="html-italic">3-Acetyl-</span>
    <span class="html-italic">(4-acetyl-5-(β</span>
    "-"
    <span class="html-italic">naphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one</span>
     "("
    <b>5b</b>
</p>

我需要一个全名：

3-Acetyl-4-acetyl-5-(β-naphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one （没有5b） . 我不能't know how to extract ' - ' between the second and the third span tags. Also, a total number of span tags may vary and ' - '可以在任何span标签之间 . 我写的代码只给我：3-乙酰基-4-乙酰基-5-（β . 这是我的代码的一部分：

p = soup.find("p")
name = ""
for child in p.children:
    if child.name == "span":
        name += child.text
print name

任何帮助都非常感谢！

python beautifulsoup

5 回答

  • 1

    你可以使用CSS selectors .

    >>> ''.join(i.text for i in soup.select('p > span'))
'3-Acetyl-(4-acetyl-5-(βnaphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one'
    回复于
  • 1

    试试这样：

    name=""
for x in soup.find('p'):
    try:
        if x.name == 'span':
            name += x.get_text()
    except:pass
print name

    输出：

    3-Acetyl-(4-acetyl-5-(βnaphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one
    回复于
  • 0

    你可以做点什么

    p = soup.find("p")
name = ""
for child in p.children:
    if child.name == "span":
        name += child.text
    elif child.name is 'None':
        name += child.string.rstrip("\"\n ").lstrip("\"\n ")
print name
    回复于
  • 3

    您可以使用BeautifulSoup的 .findAll(text=True) 获取元素内的所有文本，包括 Span 之外的文本 . 这将返回一个文本部分列表，需要删除空格和引号 . 我'm not sure what rule you'用于排除最后的 "("5b 但也许它就像切片列表一样简单：

    parts = soup.find("p").findAll(text=True)
name = ''.join(p.strip(string.whitespace + '"') for p in parts[:-3])

    结果：

    u'3-Acetyl-(4-acetyl-5-(β-naphtyl)-4,5-dihydro-1,3,4-oxodiazol-2-yl)methoxy)-2H-chromen-2-one'
    回复于
  • 1

    如果你喜欢单行，你可以这样做：

    (your_item.find("p", {"attr": "value"})).find("span").get_text()
    回复于

相关问题