Question

<font color="white">
    <b>Name:</b> USERNAME [585743] <br>  
    <b>Money:</b> $MONEY <br>   
    <b>Location:</b> CITY<br>
    <b>Level:</b> 43<br>
    <b>Gold:</b> 4706 / 5315<br>
</font>

我将这个HTML放在凌乱的页面中。我想在每个</b>和<br>之间提取元素。它们是纯文本，没有我可以使用的有用类或ID。

我到目前为止使用过的代码：

browser.open(bank_url)

soup = browser.parsed


result2 = re.search(r'</b> (.*?)<br/>', src).group(0)
print(result2)

这导致了

</b> USERNAME [585743] <br>

打印。这是一个好的开始，但由于某种原因，我无法获得更多的元素来打印？

有没有办法只提取一段特定的文字？例如黄金文本4706/5315？

我正在使用robobrowser，python 3.6中的beautifulsoup

Answer 1

如果你正在使用beautifulsoup，你应该首先制作BeautifulSoup对象：

from bs4 import BeautifulSoup

soup = BeautifulSoup('''<font color="white">)
     <b>Name:</b> USERNAME [585743] <br>  
     <b>Money:</b> $MONEY <br>   
     <b>Location:</b> CITY<br>
     <b>Level:</b> 43<br>
     <b>Gold:</b> 4706 / 5315<br>
</font>''', 'html.parser')

然后，您可以解析所需的文本，找到<b>元素并获取next_sibling：

>>> for i in soup.findAll('b'):
     print(i.next_sibling)

 USERNAME [585743] 
 $MONEY 
 CITY
 43
 4706 / 5315

Answer 2

使用.next_sibling，您可以从元素中获取Gold:旁边的值。这就是这种方法的样子：

from bs4 import BeautifulSoup

element = """
<font color="white">
    <b>Name:</b> USERNAME [585743] <br>  
    <b>Money:</b> $MONEY <br>   
    <b>Location:</b> CITY<br>
    <b>Level:</b> 43<br>
    <b>Gold:</b> 4706 / 5315<br>
</font>
"""
soup = BeautifulSoup(element,"lxml")
item = [elem.next_sibling.strip() for elem in soup.select("font b") if "Gold" in elem.text]
print(' '.join(item))

输出：

4706 / 5315

使用Robobrowser，Python中的Beautifulsoup，在HTML文件中提取没有标签/格式的文本

2 个答案: