如何提取HTML标签以标识已完成的任务？

Question

我有一个生成此内容的网站。

这是页面后面的HTML。

我试图弄清楚如何刮出3、15和28。同一行中也有3个空白节点。我想捕获所有内容，因为有时会填写这些数字。然后，在下一行中有25，在下一行中有16。这是我必须开始的通用代码。

page_source = []
for i in range(1, 11):
    url = 'https://airflow.com/admin/?page={}'.format(i)
    page_source.append(url)

# count items in urllist
num = len(page_source)

# And grab the page HTML source
# The webdriver will wait for a page to load by default via .get() method.
for line in page_source:
    print(line)
    wd.get(line)
    html_page = wd.page_source
    soup = bs(html_page, 'lxml')
    for link in soup.find_all('a'):
        #print(link.get('href'))
        string = link.get('href')
        id = re.match('(.*)_id=(\w+)', string).group(2)
        print(id)

Answer 1

您可以使用bs4查找并配对所有text和circle标签：

from bs4 import BeautifulSoup as soup
d = soup(content, 'html.parser')
result = [{'text':a.text, 'color':b['stroke']} for a, b in zip(d.find_all('text'), d.find_all('circle')) if a.text]