我正在解析HTML,并且得到了一个Array字符串,我试图将其清理并稍后放入pdf中。在这个级别上,我想将@X
开头的所有单词移到该行的末尾,以便最后使所有@X
对齐。
Hello World @Xabs
Hello World @Xz
Hello World @Xss
Hello World @Xssa
Hello World @Xqq
Hello World @Xsasas
我想要作为输出:
Hello World @Xabs
Hello World @Xz
Hello World @Xss
Hello World @Xssa
Hello World @Xqq
Hello World @Xsaxs
有什么想法吗?
到目前为止我所拥有的:
# encoding=utf8
import sys
reload(sys)
#import from lxml import html
from bs4 import BeautifulSoup as soup
import re import codecs
sys.setdefaultencoding('utf8')
# Access to the local URL(Html file) f=codecs.open("C:\...\file.html", 'r')
page = f.read()
f.close()
#html
parsing page_soup = soup(page,"html.parser")
tree = html.fromstring(page) # extract the important arrays of string
a_s= page_soup.find_all("td", {"class" :"row_cell"})
for a in a_s:
result = a.text.replace("@X","")
print(final_result)
答案 0 :(得分:5)
字符串中没有特定的 line-width 概念。如果要对齐文本,请以恒定的宽度打印第一部分
output = "{:50s} {}".format('preceding text', 'Xword')
答案 1 :(得分:1)
与@blue_note的答案非常相似,但使整个解决方案更加自动化:
import re
lines = ['Hello World @Xabs',
'Hello World @Xz',
'Hello World @Xss',
'Hello World @Xssa',
'Hello World @Xqq',
'Hello World @Xsasas']
aligned_lines = []
for line in lines:
match = re.findall('@X\w+', line)[0]
line = line.replace(match,'')
aligned_lines.append('%-50s %s' % (line, match))
aligned_lines
['Hello World @Xabs',
'Hello World @Xz',
'Hello World @Xss',
'Hello World @Xssa',
'Hello World @Xqq',
'Hello World @Xsasas']