如何在Python中打印包含特定文本的行之后的行？

Question

我写了一个Python程序，可以根据手机号码找到它的运营商。这个程序会下载一个网页的内容，网址是http://www.whitepages.com/carrier_lookup?carrier=other&number_0=1112223333&response=1（这里的1112223333是要查找的电话号码），然后把这个内容保存为carrier.html。在这个网页的源代码中，运营商的信息在[div class="carrier_result"]标签的下一行。（这里的<和>要替换成[和]，因为stackoverflow以为我在用html格式，所以不显示。）

我现在的程序可以找到包含div标签的那一行，但我需要一种方法来把它后面的那一行存储为一个字符串。我的当前代码是：http://pastebin.com/MSDN0vbC

Answer 1

你应该使用一个 HTML 解析器，比如 BeautifulSoup 或者 lxml 来处理 HTML 内容。

Answer 2

要获取下一行，你可以使用

htmlsource = open('carrier.html', 'r')
for line in htmlsource:
    if '<div class="carrier_result">' in line:
         nextline = htmlsource.next()
         print nextline

一种“更好”的方法是根据 </div> 来拆分内容，然后获取你想要的东西，因为有时候你想要的内容可能会全部在一行里。所以使用 next() 可能会得到错误的结果。例如

data=open("carrier.html").read().split("</div>")
for item in data:
    if '<div class="carrier_result">' in item:
       print item.split('<div class="carrier_result">')[-1].strip()

顺便说一下，如果可以的话，尽量使用 Python 自带的网络模块，比如 urllib 和 urllib2，而不是调用外部的 wget。

Answer 3

你真正想要做的是正确地解析HTML。可以使用BeautifulSoup这个库，它在这方面非常出色。

示例代码：

import urllib2, BeautifulSoup

opener = urllib2.build_opener()
opener.addheaders[0] = ('User-agent', 'Mozilla/5.1')

response = opener.open('http://www.whitepages.com/carrier_lookup?carrier=other&number_0=1112223333&response=1').read()

bs = BeautifulSoup.BeautifulSoup(response)
print bs.findAll('div', attrs={'class': 'carrier_result'})[0].next.strip()