时间戳

首页 > 解决方案 > 需要帮助从 Python 中提取 4 个数字

python - 需要帮助从 Python 中提取 4 个数字

问题描述

我现在编写的代码可以打开一个 URL 并将 HTML 数据提取到htmlA

在htmlA我试图提取4条信息

  1. 一个约会
  2. 价格 1
  3. 价格 2
  4. 一个百分比

htmlA嵌入这 4 条信息的部分如下所示：

<!-- TAB CONTENT -->\r\n\t\t\t<div class="fund-content tab-content span12">\r\n\r\n\t\t\t\t<!-- OVERVIEW -->\r\n\t\t\t\t<div class="tab-pane active" id="overview">\r\n\t\t\t\t\t<h3 class="subhead tab-header">Overview</h3>\r\n\t\t\t\t\t<div class="row-fluid">\r\n\t\t\t\t\t\t<div class="span6">\r\n\t\t\t\t\t\t\t<p class="as-of-date">\r\n\t\t\t\t\t\t\t\t<span id="ContentPlaceHolder1_cph_main_cph_main_AsOfLabel">As of 9/24/2021</span>\r\n\t\t\t\t\t\t\t</p>\r\n\r\n\t\t\t\t\t\t\t<div class="table-wrapper">\r\n\t\t\t\t\t\t\t\t<div>\r\n\t<table class="cefconnect-table-1 table table-striped" cellspacing="0" cellpadding="5" Border="0" id="ContentPlaceHolder1_cph_main_cph_main_SummaryGrid">\r\n\t\t<tr class="tr-header">\r\n\t\t\t<th scope="col">&nbsp;</th><th class="right-align" scope="col">Share<br>Price</th><th class="right-align" scope="col">NAV</th><th class="right-align" scope="col">Premium/<br>Discount</th>\r\n\t\t</tr><tr>\r\n\t\t\t<td>Current</td><td class="right-align">$19.14</td><td class="right-align">$21.82</td><td class="right-align">-12.28%</

在此示例中，我希望提取：

  1. 2021 年 9 月 24 日
  2. 19.14 美元
  3. 21.82 美元
  4. -12.28%

我正在尝试使用 BeautifulSoup 进行搜索和提取htmlA，但无法挑选出我需要的特定信息位（第 4 位）。有人可以帮我编写执行此操作的代码吗？非常感谢！

标签： pythonhtmlweb-scrapingdata-extractioninformation-extraction

解决方案

我不能给你一个完整的答案，但我可以为你指出正确的方向。

您需要将 html 内容解析为 BeautifulSoup 对象，以便以 Python 方式处理网页内容。像这样，

from bs4 import BeautifulSoup
import requests


url = 'https://en.wikipedia.org/wiki/Elon_Musk'

html = requests.get(url)

soup = BeautifulSoup(html.content, 'html.parser')

一旦你有了 var 汤，你可以调用各种方法，比如，

print(soup.div)

这会给你一个 div 元素等。

更多示例：

soup.title
# <title>The Dormouse's story</title>

soup.title.name
# u'title'

soup.title.string
# u'The Dormouse's story'

soup.title.parent.name
# u'head'

soup.p
# <p class="title"><b>The Dormouse's story</b></p>

soup.p['class']
# u'title'

soup.a
# <a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>

soup.find_all('a')
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,
#  <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>,
#  <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]

soup.find(id="link3")
# <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>

来自https://www.crummy.com/software/BeautifulSoup/bs4/doc/

推荐阅读