Question

假设我在HTML页面中有很多选项（打开为文本文件），如下所示，

<select id="my">
  <option id="1">1a</option>
  <option id="2">2bb</option>     
</select>

<select id="my1">
  <option id="11">11a</option>
  <option id="21">21bb</option>     
</select>

现在，我搜索了<select id=

with open('/u/poolla/Downloads/creat/xyz.txt') as f:
for line in f:
    line = line.strip()
    if '<select id=' in line:
        print "true"

现在，每当<select id=出现时，我想获取id值。也就是说，将字符串从“id=之后复制到另一个”

我如何在python中执行此操作？

Answer 1

html解析器库通常比原始字符串函数或正则表达式更好地解析html。以下是标准HTMLParser类的示例：

html = """
<select id="my">
  <option id="1">1a</option>
  <option id="2">2bb</option>
</select>

<select id="my1">
  <option id="11">11a</option>
  <option id="21">21bb</option>
</select>
"""

from HTMLParser import HTMLParser

class MyParser(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.ids = []

    def handle_starttag(self, tag, attrs):
        if tag == 'select':
            self.ids.extend(val for name, val in attrs if name == 'id')


p = MyParser()
p.feed(html)
print p.ids  # ['my', 'my1']

Answer 2

BeautifulSoup4有一个非常有用的select方法，可以使用css selectors解析html文档

类似下面的代码（未经测试抱歉:-)），应该可以获取html文档的select标签的所有ID。

from bs4 import BeautifulSoup
soup = BeautifulSoup(html)
tags = soup.select("select")
print [t.get("id", None) t for t in tags]

在python中选择一个字符串

2 个答案: