使用beautifulsoup在<br/>标签之间提取数据

Question

我有这个html数据，我需要解析它从中提取数据。但它有很多标签和数据也难以为我导航。从下面的Html数据我需要创建一个python字典列表，看起来像：

  

[{ “学校”：“童车   玩 “}，{” 地方 “：” 纽约 “}，{” 级别 “：” 四 “}，{” 国家 “：” USA “}，{” 级别   当然“：”Easy“}]

<div class="quick">
 <strong>School</strong><br /> Childs play <br /><br />
 <strong>Place</strong><br />
 <a href="Search.aspx?Menu=new&amp;Me=">newyork</a><br /><br />
 <strong>Level</strong><br />four<br /><br />
 <strong>Country</strong><br />USA<br /><br />
 <strong>Level Of Course</strong><br />Easy<br /><br />
</div>

我尝试使用beautifulsoup但没有成功。请帮助

Answer 1

不幸的是，HTML并不是理想的解析结构，但可以将数据提取到有意义的Python字典中。

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(htmlString)

raw_data = soup.find(**{"class": "quick"}).contents
data = [x for x in raw_data if not hasattr(x, "name") or not x.name == "br"]

使用if not hasattr(x, "name") or not x.name == "br"首先检查以确保该项是NavigableString的实例，然后检查该元素是否为<BR>标记。

data将采用[<KEY>, <VALUE>, <KEY>, <VALUE>]格式，从中提取数据应该非常简单。