仅解析HTML数据的一部分

时间:2013-03-11 05:33:41

标签: python beautifulsoup

我使用BeautifulSoup使用以下代码解析网站。我能够解析网站和打印数据,当前输出是@ http://pastie.org/6448357,但是,我只想打印链接中的部分数据,预期输出是@ http://pastie.org/6448362任何人都可以提供关于如何做到这一点的投入?

from bs4 import BeautifulSoup as bs
import argparse
import urllib
import urllib2
import getpass
import re
import requests

def update (url):
    print url
    req = urllib2.Request(url=url)
    try:
        f = urllib2.urlopen(req)
        txt = f.read()
        soup = bs(txt)
        print soup
        f.close()


def main ():
    #For logging
    print "test"
    parser = argparse.ArgumentParser(description='This is the update.py script created by test')
    parser.add_argument('-u','--url',action='store',dest='url',default=None,help='<Required> url link',required=True)
    results = parser.parse_args()# collect cmd line args
    url = results.url
    #print url
    update(url)
if __name__ == '__main__':
    main()

1 个答案:

答案 0 :(得分:0)

[我无法评论我不知道为什么......:P]

我没有使用过beautifulsoup,但通常当我必须从整个网页中检索某些部分时,我只是寻找围绕重要数据的唯一标识符。

例如在您的情况下{||}唯一出现。

所以,只需阅读整个页面并找到您的数据:

site=urllib2.urlopen(url1) 
a=site.read()
c1=a.find('{|')
c2=a.find('|}')
c=c1
while(c<c2):
    print a[c]
    c+=1