Python：如果属性匹配，则在html标记之间获取数据，并将其放入列表中

这是html文件的一部分

......
......
<tr>
<td color="white" style="color:black; bgcolor="#ffff00">Adam</th>
<td color="white" style="color:white; bgcolor="#ff9900">450231</th>
<td color="white" style="color:black; bgcolor="#cc0000">658902</th>
</tr>
.......
.......
<tr>
<td color="white" style="color:black; bgcolor="#ffff00">John</th>
<td color="white" style="color:white; bgcolor="#ff9900">8734658</th>
<td color="white" style="color:black; bgcolor="#cc0000">90865</th>
</tr>
.......
.......

---

parser.data包含

['\n'，Adam'，'\n'，'450231'，'\n'，'658902\n'，'\n'，'\n'..]

而它应该只包含

['450231'，'8734658']

我不确定哪里出了问题。

您的录制标志似乎一直处于打开状态，除非在初始化时。您可能需要在适当的时候将其重置为零。由于该标志是为所有标记设置的，因此您将始终在列表中追加数据。这主要是因为HTML中没有“th”标记。首先更正HTML

编辑：只需阅读HTML不在您的控制范围内。我不确定签入'th'结束标记是否会成功。尝试在endtag中打印标记。如果它不是一个th，那么控制将永远不会到达那里。使用正则表达式来匹配它怎么样。如果beautiful soup无法解析它，您可能需要求助于正则表达式

pattern = '<td.*?bgcolor="#ff9900".*?>(.*?)</th>'
re.findall(pattern, html) 

模式=“（.*）”
关于findall（模式，html）

---

应该会给你结果。

使用BeautifulSoup库，这项任务会容易得多；这是一个外部依赖项，但它使您的任务简单了100倍；CSS

style

标记中不会有引号；您的意思是将

bgcolor

样式文本改为单独的属性。您的结束标记与开始标记不匹配；这真的是原始源代码的样子吗？而且HTML的格式似乎不是很好！这就是问题所在。。该站点中的标记不匹配。。如果它们匹配，我想我可以使用BeautifulSoup。实际上，根据使用的解析器，BeautifulSoup可以比大多数更好地处理损坏的HTML。

html5lib

解析器很可能会对此做出最好的解释。非常感谢！这几乎是对的！你能在你的正则表达式中找到一个错误吗？正则表达式在我的系统中工作！但是最好使用类似于

“（.*？”

pattern = '<td.*?bgcolor="#ff9900".*?>(.*?)</th>'
re.findall(pattern, html)