Question

由于我需要处理许多不同风格的pdf，我假设主要内容将在最常见/常见的范围内。

有没有办法在beautifulsoup python中找到最出现的跨度风格？

这是我用来查找特定范围样式的命令：

 font-family: CBCDEE+ArialMT; 
 font-size:12px':
 spans = soup.find_all('span',
                       attrs={'style': 'font-family: CBCDEE+ArialMT; font-size:12px'})`

有哪些方法可以找到最常见的/常见的？或者基本上，有没有办法获得跨度样式列表并计算不同样式的外观？

非常感谢。

Answer 1

这可能适合您： -

spans = soup.find_all('span',style=True)
for span in spans:
    print span['style']

这将打印文件中所有span标记中使用的所有样式。

Answer 2

您可以使用Python Counter()计算所有不同的样式，然后显示most_common()元素，如下所示：

from bs4 import BeautifulSoup
from collections import Counter

html = """
    <span style="font-family: CBCDEE+ArialMT; font-size:12px">1</span>
    <span style="font-family: CBCDEE+ArialMT; font-size:14px">2</span>
    <span style="font-family: CBCDEE+ArialMT; font-size:14px">3</span>
    <span style="font-family: CBCDEE+Arial; font-size:12px">4</span>
    <span style="font-family: CBCDEE+ArialMT; font-size:12px">5</span>"""

soup = BeautifulSoup(html, "html.parser")    
style_counts = Counter()

for span in soup.find_all('span', style=True):
    style_counts[span['style']] += 1

print style_counts.most_common(1)[0][0]

对于此示例，它将显示：

font-family: CBCDEE+ArialMT; font-size:12px

有没有办法在beautifulsoup python中找到最常出现/常见的跨度样式？

2 个答案: