从HTML文档中提取特定字符串

Question

我需要从脱机HTML文档中抽取和提取特定字符串，并将该信息写入* .txt文件中。

例如，假设这是HTML文件的一部分：

    <span id="dataView01">001.00 SPL</span>
    <span id="dataView02">543.00 SPL</span>
    <span id="dataView03">056.00 SPL</span>
    <span id="dataView04">228.00 SPL</span>

我需要得到这个结果：

   001.00 SPL
   543.00 SPL
   056.00 SPL
   228.00 SPL

你能帮我解决这个问题， 感谢。

Answer 1

使用像BeautifulSoup这样的HTML解析器 例如：

from bs4 import BeautifulSoup as bs
import re

markup = '''<span id="dataView01">001.00 SPL</span>
    <span id="dataView02">543.00 SPL</span>
    <span id="dataView03">056.00 SPL</span>
    <span id="dataView04">228.00 SPL</span>'''

soup = bs(markup)
tags = soup.find_all('span', id=re.compile(r'[dataView]\d+'))
for t in tags:  
    print(t.text)

结果：

001.00 SPL
543.00 SPL
056.00 SPL
228.00 SPL

---

下一步;写入.txt文件：

import csv

with open('output.txt','wb') as fou:
    csv_writer = csv.writer(fou)
    for tag in tags:
        split_on_whitespace = t.text.split()
        csv_writer.writerow(split_on_whitespace)

Answer 2

使用BeautifulSoup

Answer 3

 import re
 s='001.00 SPL 543.00 SPL 056.00 SPL 228.00 SPL'
 print re.search(r'(\d{3}\.\d{2}\sSPL\s\d{3}\.\d{2}\sSPL\s\d{3}\.\d{2}\sSPL\s\d{3}\.\d{2}\sSPL)',s).group()

我不知道html文档中的周围文本，但这可能有用。

我看到你的编辑我会更新我的

实际上是和jldupont一起回答的。