Question

请原谅我缺乏知识，但是按照以下格式提供HTML，提取单个数据字段的最佳方法是什么？请记住，通常情况下，它们中的一些或全部将为NULL，在这种情况下，我们将它们保持为NULL。

<div class="profile-section" id="a-bit-more-about">
                            <dl>
            <dt>Name:</dt>
            <dd><span class="given-name">Clem</span> <span class="family-name">Kadiddlehopper</span></dd>
        </dl>
        <!-- <span class="RealName">/ <span class="fn n"><span class="given-name">Clem</span> <span class="family-name">Kadiddlehopper</span></span></span> -->
                        <dl>
        <dt>Joined:</dt>
        <dd>September 1910</dd>
    </dl>
    <div class="sep"></div>
    <dl>
        <dt>Hometown:</dt>
        <dd>Quiet Rest Maximum Security Twilight Home</dd>
    </dl>
    <dl>
        <dt>Currently:</dt>
        <dd><span class="adr"><span class="locality">They won't tell me</span>, <span class="country-name">Zimbobwe</span></span></dd>
    </dl>
    <div class="sep"></div>

Answer 1

你想要一个HTML解析器。我建议beautiful soup或lxml.

Answer 2

使用第三方模块美丽的汤，lxml或内置模块html.parser。例如：

from bs4 import BeautifulSoup
soup = BeautifulSoup('<html><body><a>bbb</a></body></html')
soup.find('a')

或者如果喜欢，你可以将正则表达式用于小目标。

使用Python提取HTML数据字段

2 个答案: