Python3-BeautifulSoup-获取两个标记之间的值，其中值介于

我有以下HTML块，它们是由

pdftotext

使用

-bbox布局

选项生成的：

<flow>
<block xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="116.233001">
    <line xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="101.833000">
        <word xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="101.833000">
            My text string located here!</word>
    </line>

</block>
</flow>

[...]
<flow>
<block xMin="223.560000" yMin="323.675000" xMax="345.563500" yMax="339.855500">
    <line xMin="223.560000" yMin="323.675000" xMax="345.563500" yMax="339.855500">
        <word xMin="223.560000" yMin="323.675000" xMax="316.836500" yMax="339.855500">Another string
        </word>
        <word xMin="320.022000" yMin="323.675000" xMax="345.563500" yMax="339.855500">And another!</word>
    </line>
</block>
</flow>

上面的代码没有返回任何内容，因为没有匹配的标记。

find_all（）

搜索具有特定数字的

block

标记的精确匹配-但我正在尝试搜索

block

标记，其中xMin和xMax为：

areas[0] is between 100 and 200

areas[1] is between 200 and 612

这在BeautifulSoup中可能吗？

试试看

parsed_html.select("block")

并使用键“xMin”和“xMax”过滤结果

例如，如果要获取

，可以首先通过以下方式获取所有

块

标记：

all_blocks = parsed_html.select("block")

如果要得到

块

中的一个，其

xMin

为1，

xMax

为2，则可以将其设置为：

target = filter(lambda x: x["xMin"] == "1" and x["xMax"] == 2, all_blocks)

您可以使用属性

xMin

选择

，使用CSS选择器

block[xMin][xMax]

选择

xMax

。然后通过列表理解进行筛选：

data = '''<flow>
<block xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="116.233001">
    <line xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="101.833000">
        <word xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="101.833000">
            My text string located here!</word>
    </line>

</block>
</flow>

<flow>
<block xMin="223.560000" yMin="323.675000" xMax="345.563500" yMax="339.855500">
    <line xMin="223.560000" yMin="323.675000" xMax="345.563500" yMax="339.855500">
        <word xMin="223.560000" yMin="323.675000" xMax="316.836500" yMax="339.855500">Another string
        </word>
        <word xMin="320.022000" yMin="323.675000" xMax="345.563500" yMax="339.855500">And another!</word>
    </line>
</block>
</flow>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(data, 'lxml')

def blocks_min_max(soup, x_min, x_max):
    return [b for b in soup.select('block[xMin][xMax]') if float(b['xmin']) >= x_min and float(b['xmax']) <= x_max]

for b in blocks_min_max(soup, 10, 200):
    print(b.prettify())

data=''
我的文本字符串位于这里！
另一串
还有一个！
'''
从bs4导入BeautifulSoup
soup=BeautifulSoup（数据'lxml'）
def块最小值最大值（汤，最小值x最大值x最大值）：
返回[b代表汤中的b。如果float（b['xMin']>=x_min，则选择（'block[xMin][xMax]），然后用float（b['xMax']）替换代码：

block_tags = parsed_html.find_all(
            "block", attrs={"xMin": xMinValue, "xMax": xMaxValue})
print(block_tags)

致：

block_tags=parsed_html.find_all（“block”）
对于块中的块标记：
如果浮点（块['xmin']）>=xMinValue和浮点（块['xmax']）您介意提供更多的信息吗？这如何解决我当前的问题，我需要在
xMin
和
xMax
位于一组数字之间的位置获取标记？谢谢Andrej！但是，这给了我以下错误：
不受支持或无效的CSS选择器：“block[xMin][xMax”
@oliverbj您使用的是什么版本的BeautifulSoup？我在
if float（…
语句中的
beautifulsoup4==4.7.1
中，我们检查的值应该是2x
xmin
吗？不是
xMax
？
block_tags = parsed_html.find_all(
            "block", attrs={"xMin": xMinValue, "xMax": xMaxValue})
print(block_tags)

block_tags = parsed_html.find_all("block")

for block in block_tags:
    if float(block['xmin']) >= xMinValue and  float(block['xmax']) <= xMinValue:
        print(block)