从网站提取的下拉列表中提取选项

Question

我一直在尝试（不成功）解决这个问题几个小时，需要一些帮助。我使用Firebug来提取几百行HTML，如下所示：

<option value="1b4f4aed-cf1f-4b39-ae27">Foo</option>
<option value="1a05f93f-dd51-449d-b039">Bar</option>
<option value="f62d2d29-29fc-4f7c-9331">Bacon</option>

我将这些行保存到文本文件中。我想要的是（Python首选，使用Ruby作为替代）脚本来打开进程并关闭文件。处理应该导致保存一个新的文本文件，如下所示：

Foo
Bar
Bacon

就是这样。在此先感谢您的帮助。

Answer 1

根据您上面的评论，我建议使用任何与HTML相关的BeautifulSoup。由于您处于学习阶段的早期阶段，最好将“HTML”与“BeautifulSoup”（而不是regex :)相关联。这是一个非常基本的例子：

In [1]: from bs4 import BeautifulSoup

In [2]: html = """
<option value="1b4f4aed-cf1f-4b39-ae27">Foo</option>
<option value="1a05f93f-dd51-449d-b039">Bar</option>
<option value="f62d2d29-29fc-4f7c-9331">Bacon</option>
"""

In [3]: soup = BeautifulSoup(html)

In [4]: for option in soup.find_all('option'):
   ...:     print option.text
   ...:     
Foo
Bar
Bacon

我们将HTML传递给BeautifulSoup并将其分配给soup变量。现在我们有一个包含HTML和大量方法的对象，以便以用户友好的方式与它进行交互。在这里，我们使用find_all方法（文档here）查找HTML中的所有option标记。现在，当我们迭代时，我们正在迭代Tag个对象，这些对象有自己的特殊属性/方法。在这里，我们选择其中一个（.text）来显示Tag元素的文本（在这种情况下将是标记中包含的文本）。