在Python中，如何使用BeautifulSoup在文本字符串之后找到表？

2024-04-20 09:11:08 发布

您现在位置：Python中文网/ 问答频道 /正文
556 3

我正试图从几个网页中提取数据，这些网页在显示表格的方式上并不一致。我需要编写代码来搜索文本字符串，然后立即转到该特定文本字符串后面的表。然后我要提取那个表的内容。到目前为止我得到的是：

from BeautifulSoup import BeautifulSoup, SoupStrainer
import re

html = ['<html><body><p align="center"><b><font size="2">Table 1</font></b><table><tr><td>1. row 1, cell 1</td><td>1. row 1, cell 2</td></tr><tr><td>1. row 2, cell 1</td><td>1. row 2, cell 2</td></tr></table><p align="center"><b><font size="2">Table 2</font></b><table><tr><td>2. row 1, cell 1</td><td>2. row 1, cell 2</td></tr><tr><td>2. row 2, cell 1</td><td>2. row 2, cell 2</td></tr></table></html>']
soup = BeautifulSoup(''.join(html))
searchtext = re.compile('Table 1',re.IGNORECASE) # Also need to figure out how to ignore space
foundtext = soup.findAll('p',text=searchtext)
soupafter = foundtext.findAllNext()
table = soupafter.find('table') # find the next table after the search string is found
rows = table.findAll('tr')
for tr in rows:
    cols = tr.findAll('td')
    for td in cols:
        try:
            text = ''.join(td.find(text=True))
        except Exception:
            text = ""
        print text+"|",
print

但是，我得到以下错误：

    soupafter = foundtext.findAllNext()
AttributeError: 'ResultSet' object has no attribute 'findAllNext'

有没有一个简单的方法来做到这一点使用美化组？


Tags： textrehtmltablecelltrtdrow
1条回答
网友
1楼 · 发布于 2024-04-20 09:11:08

错误是由于^{}是Tag对象的方法，而foundtext是ResultSet对象，是匹配标记或字符串的列表所致。您可以遍历foundtext中的每个标记，但根据需要，使用^{}可能就足够了，它只返回第一个匹配的标记。

这是你的代码的修改版本。在将foundtext改为使用soup.find之后，我发现并修复了table的相同问题。我把你的正则表达式修改为ignore whitespace between the words：

from BeautifulSoup import BeautifulSoup, SoupStrainer
import re

html = ['<html><body><p align="center"><b><font size="2">Table 1</font></b><table><tr><td>1. row 1, cell 1</td><td>1. row 1, cell 2</td></tr><tr><td>1. row 2, cell 1</td><td>1. row 2, cell 2</td></tr></table><p align="center"><b><font size="2">Table 2</font></b><table><tr><td>2. row 1, cell 1</td><td>2. row 1, cell 2</td></tr><tr><td>2. row 2, cell 1</td><td>2. row 2, cell 2</td></tr></table></html>']
soup = BeautifulSoup(''.join(html))
searchtext = re.compile(r'Table\s+1',re.IGNORECASE)
foundtext = soup.find('p',text=searchtext) # Find the first <p> tag with the search text
table = foundtext.findNext('table') # Find the first <table> tag that follows it
rows = table.findAll('tr')
for tr in rows:
    cols = tr.findAll('td')
    for td in cols:
        try:
            text = ''.join(td.find(text=True))
        except Exception:
            text = ""
        print text+"|",
    print

这将输出：

1. row 1, cell 1| 1. row 1, cell 2|
1. row 2, cell 1| 1. row 2, cell 2|

相关问题 更多 >

    编程相关推荐