Python 2.7 如何在python中通过将变量与标记值匹配来提取数据

--这是第一个表，从中我得到4个id（abc1--abc4），我需要与下表匹配，并获得所需的数据--！
1。
第一个话题

!--这是第一位演讲者和他/她的文本出现的地方---！
“第一位发言者”


“一些文本”
!--这就是第二个演讲者进来的地方---！
“第二个扬声器”


“一些文本”




!--然后是另一个id的行--！
2。
第二个话题

!--就像以前一样，这也将有一组发言者，他们有一些文本--！

我有两个具有相同类名的表，即BigClass。从第一个表中，我提取了4个ID，分别是abc1、abc2、abc3、abc4。 现在我想检查这些ID是否存在于第二个表中（它是） 在它与第二个表中的ID匹配之后，我想提取说话人和这些说话人的文本。

---

您可以看到我要提取数据的第二个表rom的代码结构。

提取说话人和文本信息的最佳方法似乎是提取列表中的所有ID和另一个列表中的所有说话人信息。然后只需交叉引用所需的ID并获得相应的说话人信息

我在这里创建了一个字典，其中键作为ID，值作为说话人信息。我通过td字段在包含speaker info的所有字段中定义了style属性的条件找到了speaker info

为了从HTML中提取信息，我使用了这个库

!--This is the first table from where i get 4 id's (abc1---abc4) which i need to match with the table below and get the required data--!
<table width="100%" border="0" class=""BigClass">
<tbody>..</tbody>
</table>

!--This is the second table --!
<table width="100%" border="0" class=""BigClass">
<tbody>
<tr align="left">
<td valign="top" colspan="2">
<strong>   1.              
             First Topic
</strong>
<a name="abc1" id="abc1"></a>
</td>
</tr>
!--This is the place where the first speaker and his/her text comes---!
<tr align="left">
<td style="text-align:justify;line-height:2;padding-right:10px;" colspan="2">
<strong> "   First Speaker    "    </strong>
<br>
"    Some Text   "
</td>
</tr>

!--This is where the second speaker comes in---!
<tr align="left">
<td style="text-align:justify;line-height:2;padding-right:10px;" colspan="2">
<strong>  "  Second Speaker    "   </strong>
<br>
     "   Some Text   "    
</td>
</tr>

<tr><td colspan="2"><br></td></tr>
<tr><td colspan="2"><br></td></tr>

!--Then here comes the row with another id--!
<tr align="left">
<td valign="top" colspan="2">
<strong>   2.              
             Second Topic
</strong>
<a name="abc2" id="abc2"></a>
</td>
</tr>
!--Just like before, this will also have set of speakers who have some text--!

这将为我提供以下输出：

from bs4 import BeautifulSoup
from itertools import izip

soup = BeautifulSoup(open('table.html'))
idList = []
speakerList = []
idsRequired = ['abc1','abc2']
for a in soup.findAll('a'):
    if 'id' in a.attrs.keys():
        idList.append(a.attrs['id'])

for i in soup.findAll('td'):
    if 'style' in i.attrs.keys():
        speakerList.append(i.text)

for key,value in izip(idList,speakerList):
    if key in idsRequired:
        print value 

---

请提供整个HTML文件并正确格式化。Thanks@Nitin请回答。html看起来像是原始文章中的完整代码above@Nitin-我尝试了你在下面提到的代码。但它第一次显示keyrerror:'id'。我想知道问题出在哪里。你能告诉我为什么我要面对这个错误吗？。但是谢谢你的代码，给了我一个更好的逻辑。@Nitin-@Nitin是的，这个是正确的，但不是我想要的。我的想法是只为id abc1而不是abc2打印这两个扬声器。id为abc时，它将在到达abc3之前打印其下方的扬声器，以此类推。希望您能进一步理解我的问题。@user2657822当您的标记中没有“id”属性时，会显示KeyError。如果您的HTML代码中的每个标记都有对应的ID，并且相应的标记具有说话人信息，则此代码将起作用。我已编辑代码以检查id密钥是否存在。您只需更改idsRequired列表即可获得所需的id。要了解BeautifulSoup的工作原理，可能需要仔细阅读他们的文档。@Nitin错误不再存在，但我认为id验证在这里不起作用。如果我将idsRequired=['abc1']，它应该同时显示firstspeaker和secondspeaker，但它不显示。我正在努力，但做不出来。

"     First speaker   "
"   Some text     "


"     Second speaker   "
"   Some text     "