Question

我是Python的新手。我想在html文件上计算一些单词或表达式。例如，我有一段带有源代码的html如下：

<div style="line-height:120%;text-align:justify;text-indent:24px;font-size:10.5pt;">
<font style="font-family:inherit;font-size:10.5pt;font-style:italic;font-weight:bold;">2013 vs. 2012&#160;&#160;</font>
<font style="font-family:inherit;font-size:10.5pt;">During 2013, the Company recognized a decommissioning charge of $117 million and a restoration liability of $50 million, partially offset by the 2013 reversal of the $56&#160;million tax indemnification liability associated with the 2006 sale of the Company&#8217;s Canadian subsidiary.</font></div>

我想计算多少次＆＃34;责任＆＃34;出现在片中。以下是我的代码，它不起作用：

import os
from bs4 import BeautifulSoup

lst=os.listdir("C:/html/")
for x in lst:
    print (x)
    html = open ("C:/html/"+x,'rb')
    bsobj = BeautifulSoup(html,"html.parser")
    metricslist = bsobj.findAll(div.string ='liability')
    print(len(metricslist))

我知道bsobj.findAll（div.string =＆＃39;责任＆＃39;）是非常错误的，但不知道代码应该是什么。任何帮助将不胜感激！

Answer 1

使用find()或find_all()时，您可以对元素的文字应用部分字符串匹配：

soup.find(text=lambda text: text and "liability" in text)

或者，可以使用regular expression pattern代替function：

soup.find(text=re.compile(r"\bliability\b")

通过python计算html文件中的某些单词

1 个答案: