如何使用Python从html标签中提取数据？

Question

我想提取在线词典中单词的翻译。 例如，'car'的html代码：

<ol class="sense_list level_1">
     <li class="sense_list_item level_1" value="1"><span class="def">any vehicle on wheels</span></li>

如何使用beautifulsoup或任何其他模块在Python中提取“车轮上的任何车辆”？

Answer 1

有多种方法可以达到所需的元素。

最简单的可能是class找到它：

soup.find('span', class_='def').text

或使用CSS selector：

soup.select('span.def')[0].text

或另外检查父母：

soup.select('ol.level_1 > li.level_1 > span.def')[0].text

或：

soup.select('ol.level_1 > li[value=1] > span.def')[0].text

Answer 2

我是由beautifulsoup解决的：

soup = bs4.BeautifulSoup(html)
q1=soup.find('li', class_="sense_list_item level_1",value='1').text

Answer 3

假设这是唯一给出的HTML代码，您可以使用NLTK。

import nltk 

#load html chunk into variable htmlstring#
extract = nltk.clean_html(htmlstring)
print(extract)