Question

我正在使用line.rfind（）来查找html页面中的某一行，然后我将该行拆分为拉出单个数字。例如：

position1 = line.rfind('Wed')

这找到了这行特殊的html代码：

 <strong class="temp">79<span>&deg;</span></strong><span class="low"><span>Lo</span> 56<span>&deg;</span></span>

首先，我要提取'79'，这是通过以下代码完成的：

if position1 > 0 :
        self.high0 = lines[line_number + 4].split('<span>')[0].split('">')[-1]

这完美无缺。我遇到的问题是试图从那行html代码中提取'56'。我不能把它分开'＆lt;跨度＆GT;”和'＆lt; /跨度＆GT;自从第一个'＆lt;跨度＆GT;”它发现在'79'之后。有没有办法告诉脚本寻找第二次出现的'＆lt;跨度＆GT;'

感谢您的帮助！

Answer 1

Concerns about parsing HTML with regex aside，我发现正则表达式对于从有限的机器生成的HTML中获取信息非常有用。

你可以用这样的正则表达式取出两个值：

import re
matches = re.findall(r'<strong class="temp">(\d+).*?<span>Lo</span> (\d+)', lines[line_number+4])
if matches:
    high, low = matches[0]

考虑一下这种快速和肮脏：如果你依赖它来完成一项工作，你可能想要使用像BeautifulSoup这样的真正的解析器。

Answer 2

import re

html = """
 <strong class="temp">79<span>&deg;</span></strong><span class="low"><span>Lo</span> 56<span>&deg;</span></span>
"""

numbers = re.findall(r"\d+", html, re.X|re.M|re.S)
print numbers

--output:--
['79', '56']

使用BeautifulSoup：

from bs4 import BeautifulSoup

html = """
<strong class="temp">
    79
    <span>&deg;</span>
</strong>
<span class="low">
   <span>Lo</span> 
   56
   <span>&deg;</span>
</span>
"""

soup = BeautifulSoup(html)
low_span = soup.find('span', class_="low")

for string in low_span.stripped_strings:
    print string

--output:--
Lo
56
°

在一行中查找相同两个单词中的第二个

2 个答案: