如何使用Python过滤文件中的数据？

我试图从HTML文件中过滤某些数据。例如，HTML文件如下所示：

<tr><td valign="top"><img src="/icons/unknown.gif" alt="[   ]">software_0.1-0.log</td><td align="right">17-Nov-2009 13:46  </td><td align="right">186K</td></tr>

我需要提取软件0.1-0部分以及2009年11月17日部分。我该怎么做

---

非常感谢。

您可以使用例如流行的软件包提取感兴趣的字符串和更多文本。然后，您将需要一些字符串操作或正则表达式来分隔感兴趣的确切部分，但这取决于您想要应用的规则，即，您是否总是要从文件名中删除.log后缀，是否总是将日期与时间分隔开的空格，等等。如果您精确地指定了规则，那么在没有精确规范的情况下实现它们并不困难，但是，这将是一个混乱的猜测；-

Try，一个HTML解析器。您将得到一个结构化文档，可以选择第一个和第二个td内容

在这种情况下，这可能有些过分，但特别是如果您的HTML来自外部并且可以更改，维护人员将感谢您选择可读的解决方案。

使用以下内容非常简单：

---

您的需求看起来很简单，所以这里有一种非美化的方式，只是纯字符串操作

s="""<tr><td valign="top"><img src="/icons/unknown.gif" alt="[   ]">software_0.1-0.log</td><td align="right">17-Nov-2009 13:46  </td><td align="right">186K</td></tr>"""

string=s.split(">")
for i in string:
    try:
        e=i.index("<")
    except: pass
    else:
        print i[:e]

---

现在您可以使用i[：e]来查找软件和日期部分

从本例中，不太清楚过滤的标准是什么-它看起来可能是标签之间的文本，但这不太合适-您似乎不想要186K。你能再详细一点吗？虽然这在技术上是正确的，但最好还是使用Beautiful Soup，因为这将在将来你不得不进行更复杂的HTML操作时为你带来回报。在事情变得更复杂之前，没有必要仅在这种情况下使用BeautifulSoup

software_0.1-0.log
17-Nov-2009 13:46

s="""<tr><td valign="top"><img src="/icons/unknown.gif" alt="[   ]">software_0.1-0.log</td><td align="right">17-Nov-2009 13:46  </td><td align="right">186K</td></tr>"""

string=s.split(">")
for i in string:
    try:
        e=i.index("<")
    except: pass
    else:
        print i[:e]