在同一文本中分隔两个文本<;td>;使用Python标记
我的HTML知识非常有限,而且我才刚刚开始学习BeautifulSoup,所以我的问题可能没有正确的框架。 我的HTML源代码如下所示在同一文本中分隔两个文本<;td>;使用Python标记,python,html,parsing,beautifulsoup,Python,Html,Parsing,Beautifulsoup,我的HTML知识非常有限,而且我才刚刚开始学习BeautifulSoup,所以我的问题可能没有正确的框架。 我的HTML源代码如下所示 <TD width="15%">Text1</TD> <TD width="85%">Text2<A href="link1">(6)</A> Text3<A href="link2">(4)</A> </TD> url = "my url (static pa
<TD width="15%">Text1</TD>
<TD width="85%">Text2<A href="link1">(6)</A>
Text3<A href="link2">(4)</A>
</TD>
url = "my url (static page stored locally)"
soup = BeautifulSoup(open(url),'lxml')
t1_soup=soup.find_all('td',{'width':'15%'})
t2_soup=soup.find_all('td',{'width':'75%'})
text1_str=[]
for item in t1_soup:
text1_str.append(item.text)
text2_str=[]
for item in t2_soup:
text2_str.append(item.text)
第一个for循环清晰地给出了text1,而第二个for循环给出了一个字符串“text2text3”。我不知道如何将它们分开,以便最终将其转换为text1/text2和text1/text3
我编写的python代码可能也不是很有效,如果您有更好的建议,我将不胜感激 您可以通过查找
td
中的所有a
元素来解决此问题,并获得:
打印[u'text2',u'text3']
或者,您可以非递归地找到每个td
中的所有文本节点:
这可能会产生额外的空字符串-请确保对它们进行过滤。这在@alecxe中非常有效。我不可能独自一人解决这个问题。
for item in t2_soup:
print([a.previous_sibling.strip() for a in item.find_all("a")])
for item in t2_soup:
print([text.strip() for text in item.find_all(text=True, recursive=False)])