sed提取兩個關鍵字之間的內容_python提取文本指定內容

示例:

<table> <thead> <tr> <th>ID</th> <th>名稱</th> <th>電話</th> <th>說明</th> <th>類型</th> <th>位置</th> </tr> </thead> <tbody> <tr> <td>1</td> <td>11</td> <td>111111</td> <td>1111111</td> <td>11111111</td> <td>111111111</td> </tr> <tr> <td>2</td> <td>22</td> <td></td> <td></td> <td>22222222</td> <td>222222222</td> </tr> </tbody> </table>

如果上述代碼是列表頁中要獲取的部分代碼,現在要獲取 所有列表頁 的tbody標簽中每個tr標簽下 除第三、四個td標簽(這2個中可能有數據,也可能無數據) 外的其他4個td標簽中的數據,該如何獲取?

如果使用如下方式獲取:

res = html.xpath('//tbody/tr/td/text()')print(res)

則結果為:

['1', '11', '111111', '1111111', '11111111', '111111111', '2', '22', '22222222', '222222222', ...]

這樣不方便清洗不需要的數據。

可以分三步來獲取數據。 第一步:獲取所有的td節點

res = html.xpath('//tbody/tr/td')print(res)

結果為:

[<Element td at 0x93cd9c8>, <Element td at 0x93cdbc8>, <Element td at 0x93cdd48>, <Element td at 0x93cd708>, <Element td at 0x93cddc8>, <Element td at 0x93d74c8>, <Element td at 0x93d7d08>, <Element td at 0x93d7048>, <Element td at 0x93d7288>, <Element td at 0x93d7548>, <Element td at 0x93d7888>, <Element td at 0x93d7388>]

第二步:將大list分割成多個小list,每個小list包含6個td節點

res2 = [res[s : s + 6] for s in range(0, len(res), 6)]#將大list分割成多個小list,每個小list包含6個td節點print(res2)

結果為:

[[<Element td at 0x93cdb48>, <Element td at 0x93cd788>, <Element td at 0x93cd848>, <Element td at 0x93cdd08>, <Element td at 0x93cdf88>, <Element td at 0x93d7e48>], [<Element td at 0x93d7e08>, <Element td at 0x93d7388>, <Element td at 0x93d7888>, <Element td at 0x93d7548>, <Element td at 0x93d7808>, <Element td at 0x93d7288>]]

第三步:循環獲取每個小list中的每個td節點的文本數據,并剔除不需要的數據

for x in res2:res3 = []for y in x:res4 = y.xpath('text()')res3.append(str(res4).strip("[']"))res3 = res3[:2] + res3[4:]#只保留除了第3、4個td標簽外的其他4個td標簽的數據print(res3)

結果為:

['1', '11', '11111111', '111111111']['2', '22', '22222222', '222222222']

這樣就獲得了想要的結果。

如有更好的方法,請留言告訴我,謝謝!

版權聲明:本文內容由互聯網用戶自發貢獻,該文觀點僅代表作者本人。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。如發現本站有涉嫌侵權/違法違規的內容, 請發送郵件至 舉報,一經查實,本站將立刻刪除。

196520.html