Question

我正在尝试从html文件中删除一些文本，但是我需要两种类型的文本，这些文本在其标记中通过术语（contextref）彼此不同，例如：

1）<ix:nonfraction contextref="cfwd_30_04_2016" name="ns5:TangibleFixedAssets" unitref="GBP" decimals="0" format="ixt2:numdotdecimal" scale="0" xmlns:ix="http://www.xbrl.org/2008/inlineXBRL">180,649</ix:nonfraction>

2）<ix:nonfraction contextref="cfwd_30_04_2015" name="ns5:TangibleFixedAssets" unitref="GBP" decimals="0" format="ixt2:numdotdecimal" scale="0" xmlns:ix="http://www.xbrl.org/2008/inlineXBRL">200,395</ix:nonfraction>

目前我找到文本的代码是：var1=(soup.find('ix:nonfraction',{'name':'uk-gaap:{}'.format(variable)}).text)，上面的示例给出了：180,649。

为了能够获得这两个值，我需要另一个变量来包含另一个术语以及name，（正在contextref）我玩过不同的组合，但似乎无法使它工作

任何帮助都会很棒，谢谢

Answer 1

import bs4

html = '''<ix:nonfraction contextref="cfwd_30_04_2016" name="ns5:TangibleFixedAssets" unitref="GBP" decimals="0" format="ixt2:numdotdecimal" scale="0" xmlns:ix="http://www.xbrl.org/2008/inlineXBRL">180,649</ix:nonfraction>
<ix:nonfraction contextref="cfwd_30_04_2015" name="ns5:TangibleFixedAssets" unitref="GBP" decimals="0" format="ixt2:numdotdecimal" scale="0" xmlns:ix="http://www.xbrl.org/2008/inlineXBRL">200,395</ix:nonfraction>'''

soup = bs4.BeautifulSoup(html, 'lxml')
var1, var2 = [i.text for i in soup.find_all('ix:nonfraction')]

出：

('180,649', '200,395')

您可以使用contextref作为find_all()中的关键字：

soup.find_all('ix:nonfraction', contextref=True)

这意味着过滤具有contextref属性的标记。

BeautifulSoup通过html标签中的2个术语查找文本 - Python 3

1 个答案: