用两个封闭标签之间的美味汤来解析内容

我使用BeautifulSoup来解析网页中的艺术家和相册信息的内容。我已经下来分析的信息是：用两个封闭标签之间的美味汤来解析内容

`<span dir="ltr"><a href="unique?id=1234">Jay-Z</a> &amp; <a href="unique?id" = 321">Kanye West</a> - Watch the Throne</span>`

专辑名称（在这种情况下，“观看王座”）始终是关闭</span>标记之前。

无论相册中包含多少艺术家，无论是单个艺术家还是30位艺术家，我都需要解析整个<span>元素中的专辑数据。

困难在于专辑名称介于两个结束标签元素之间。

任何想法？

来源

2011-11-19 Tim Bueno

>>> from BeautifulSoup import BeautifulSoup 
>>> html = '''<span dir="ltr"><a href="unique?id=1234">Jay-Z</a> &amp; 
... <a href="unique?id" = 321">Kanye West</a> - Watch the Throne</span>''' 
>>> soup = BeautifulSoup(html) 
>>> soup.span.contents[-1].strip('- ') 
u'Watch the Throne'

来源

2011-11-19 20:53:28 ekhumoro

这绝对是做到这一点的方法。非常感谢。 BeautifulSoup是一个了不起的工具。它几乎太简单了。我只是让我的方法过于复杂。 –

如果我理解正确，专辑名称将始终在span元素的末尾。您可以尝试查找最后一个关闭a-tag的索引，以及span-tag结束的最后一个索引，并从中创建一个包含相册信息的字符串。

因此，使用theString.rfind("</a>")，您会发现起始索引和theString.rfind("</span>")以查找结束索引。

来源

2011-11-19 20:13:13 Challe

这正是我所需要的信息。我对python相当陌生，并且非常专注于让BeautifulSoup去做肮脏的工作，我忘记了能够在字符串中找到范围。谢谢！ –

但你并不真的需要这个 - 你可以使用原生的BeautifulSoup来解决这个问题 - 会更短，更优雅，我相信 – alonisser

是的，你是对的。 BeautifulSoup可以做到这一点。你下面的人和我一起清除它。谢谢！ –

如果s是汤元，则：

album = s.findAll('a')[-1].nextSibling

我想你可以清理“ - ”自己好运气，我爱beautifulsoup

来源

2011-11-19 20:17:09 alonisser

用两个封闭标签之间的美味汤来解析内容

回答

相关问题