在Python中重新排列解析的HTML数据

我几乎没有编程经验，请原谅我的无知

我正试图解析雅虎的“关键统计数据”页面！财务，待具体页面。我一直在和BeautifulSoup鬼混，能够提取出我想要的数据，但后来遇到了精神障碍。我希望数据如下所示：

measure[i]: value[i]
.
.  
measure[n]: value[n]

但我的脚本得到的结果是：

measure[i]  
.
.    
measure[n]  
value[i]
.
.
value[n]

下面是我尝试将两个数据字段合并在一起时抛出的错误：

measure = soup.findAll('td', {'class':'yfnc_tablehead1'}, width='74%')  
value = soup.findAll('td', {'class':'yfnc_tabledata1'}) 

for incident in measure:
    x = incident.contents

for incident2 in value:
    y = incident2.contents

data = x + y

print ': '.join(data)

此外，我想删除这些值中不需要的字符，但我将阅读re.compile和re.sub文档

谢谢你的意见

data = x + y

+

操作符附加列表，如果您想耦合列表的相应项，请尝试

zip（）

函数：

data = zip(x,y)
for m,v in data:
  print m,v

而且

这将在循环的每次迭代中覆盖

x

，因此最后

x

只包含最后分配的值，而不包含所有值的总和。在这里，您可能希望像这样使用

+

操作符：

for incident in measure:
  x += incident.contents # x += y is the same as x = x + y

当然，另一个循环也是如此

measures = ['1', '2', '3', '4']
values = ['a', 'b', 'c', 'd']

for pair in zip(measures, values):
    print ': '.join(pair)

# 1: a
# 2: b
# 3: c
# 4: d

关于

zip

：

Type:       builtin_function_or_method
Base Class: <type 'builtin_function_or_method'>
String Form:<built-in function zip>
Namespace:  Python builtin
Docstring:
zip(seq1 [, seq2 [...]]) -> [(seq1[0], seq2[0] ...), (...)]

Return a list of tuples, where each tuple contains the i-th element
from each of the argument sequences.  The returned list is truncated
in length to the length of the shortest argument sequence.

类型：内置函数或方法
基类：
字符串形式：
名称空间：Python内置
文档字符串：
邮政编码（seq1[，seq2[…]）->[（seq1[0]，seq2[0]…），（…）]
返回元组列表，其中每个元组包含第i个元素
从每个参数序列。返回的列表被截断
长度为最短参数序列的长度。

谢谢您的帮助。您的方法实际上消除了我进入并删除不需要的标记的需要，但正如您所提到的，只显示最后一个值。您建议用什么（有效的）方法来替换我实现的“for”循环以显示所有值的集合？请忽略该注释！我消除了for循环并实现了您的建议。现在剩下要做的就是加入BeautifulSoup并清理不需要的标签。

Type:       builtin_function_or_method
Base Class: <type 'builtin_function_or_method'>
String Form:<built-in function zip>
Namespace:  Python builtin
Docstring:
zip(seq1 [, seq2 [...]]) -> [(seq1[0], seq2[0] ...), (...)]

Return a list of tuples, where each tuple contains the i-th element
from each of the argument sequences.  The returned list is truncated
in length to the length of the shortest argument sequence.