Pure python

Question

我尝试从以下HTML中提取“HORROR”：

<div class="synopsis-section">
    <div class="movie-add-info left">
        <ul>
            <li>DIRECTOR : Matthew Vaughn</li>
            <li>ACTORS : </li>
            <li>DURATIONS : 107 Minutes</li>
            <li>CENSOR RATING : 17+</li>
            <li>GENRE : HORROR</li>
            <li>LANGUAGE : BAHASA INDONESIA</li>
       </ul>
     </div>

我试过这种方式：

    >> response = get(url)
    >> html_soup = BeautifulSoup(response.text, 'html.parser')
    >> containers = html_soup.find('div', class_='movie-add-info left')
    >> containers.li

输出：＆lt;'li'＆gt;主任：Matthew Vaughn＆lt;'/ li'＆gt;

'HORROR'没有具体的'li'; 任何人都可以帮助我从中获取“HORROR”吗？

Answer 1

import re
from bs4 import BeautifulSoup

soup = BeautifulSoup(my_html, 'lxml')

result = soup.find('div', {'class': 'movie-add-info left'}).find('ul').findChildren(text=re.compile(r'GENRE'))

print(result[0])

输出：

GENRE : HORROR

如果您只想要'HORROR'，请将其拆分：

print(result[0].split()[2])

Answer 2

您可以使用css选择器在没有正则表达式帮助的情况下获得所需的输出。

from lxml.html import fromstring

root = fromstring(my_html)
genre = root.cssselect(".movie-add-info li:contains('GENRE')")[0].text
print(genre.split(":")[1].strip())

结果：

HORROR

Answer 3

Pure python

pattern = "<li>GENRE : "

with open("file.html") as file:
    for line in file:
        if pattern in line:
            print(line.replace(pattern, "").replace("</li>", "").strip())

输出：

恐怖

Python BeautifulSoup - 在嵌套<div>＆amp;中查找特定的<li> <UL>

3 个答案:

Pure python