Question

我已检索到以下源代码：

class="show_small">Date: 2018-05-15 11:30:30<br/></span><span 
class="show_small ">Value: XXX<br/><span class="transfer-usd" 
title="now">YYY<span</span>Tx: <a class="local-link" href="/tx/IJK">IJK</a> 
<br/>From: <a class="local-link" href="/address/ABCD">ABCD</a><br/>To: <a 
class="local-link" href="/address/EFGH">EFGH</a></div>

我想从中检索以下信息：日期：2018-05-15 11:30:30 值：XXX 美元汇款：YYY 来自：ABCD 收件人：EFGH

我尝试使用Pythons漂亮的汤来提取信息，它确实适用于某些变量，但不适用于所有变量：

transactions = page_soup.findAll("span", {"title": "now"})
for transaction in transactions:
    value = transaction.find('span').previous_sibling
    print(value)

现在的问题是，是否有一种方法（可能使用正则表达式）来搜索单词（例如“ Date：”，“ To：”，...）并检索其旁边的文本（直到下一个）而不是尝试使用源代码中的类（即span，class等）进行搜索？我已经尝试过str.split，str.match等，但是似乎没有任何效果。

非常感谢！

Answer 1

这里有一个示例，展示如何使用BeautifulSoup中可用的不同参数来根据类，内容或其他标记属性导航每个事务。看看the BS docs for find_all / findAll（取决于版本）以了解更多信息。

import bs4 

code_sample = '<div name="record"><span class="show_small">Date: 2018-05-15 11:30:30<br/></span><span class="show_small ">Value: 123<br/></span><span class="transfer-usd" title="now">YYY</span>Tx: <a class="local-link" href="/tx/IJK">IJK</a><br/>From: <a class="local-link" href="/address/ABCD">ABCD</a><br/>To: <a class="local-link" href="/address/EFGH">EFGH</a></div>'
soup = bs4.BeautifulSoup(code_sample)
transactions = soup.find_all('div')

for transaction in transactions:
    output = {}
    output["date"] = transaction.find_all(string=re.compile('Date'))
    output["value"] = transaction.find_all(string=re.compile('Value'))
    output["transfer USD"] = transaction.find('span', class_="transfer-usd").contents
    print(output)

输出：

{'date': ['Date: 2018-05-15 11:30:30'], 'value': ['Value: 123'], 'transfer USD': ['YYY']}

然后您可以根据自己的喜好对字符串进行处理和格式化。

在Python中查找字符串并获取其旁边的文本

1 个答案: