使用beautifulsoup來提取難以識別的數據

Question

所以我有一個頁面，下面的HTML，它顯然做得很差，但我需要運行一些自動化，其中包括獲取下面的日期。

<tr> 
    <td class="bold"> 
     Last Login 
    </td> 
    <td colspan="3" class="usual"> 
     4/1/2011 at 07:01:11 AM   </td> 
    </tr> 

理想情況下，我想提取第二<td>的內容，然後將其轉換爲Unix的時間，但只是抓住這將是足夠的。

我在想這可以用正則表達式來完成，但是你必須通過它重複幾次來拉取內容。

Answer 1

如果你問如何與BeautifulSoup找到所需的元素，我真的找到它基於這聽起來非常堅實的Last Login格文本（雖然我不知道大局觀是什麼）：

import re 

from bs4 import BeautifulSoup 

data = """ 
<tr> 
    <td class="bold"> 
     Last Login 
    </td> 
    <td colspan="3" class="usual"> 
     4/1/2011 at 07:01:11 AM   </td> 
</tr> 
""" 

soup = BeautifulSoup(data) 
last_login = soup.find("td", text=re.compile(r"Last Login")).find_next_sibling("td").get_text(strip=True) 
print last_login 

哪打印4/1/2011 at 07:01:11 AM。

要獲得時間戳，字符串加載到使用strptime()和使用的解決方案，從Convert datetime to Unix timestamp and convert it back in python一個datetime對象來獲取時間戳：

from datetime import datetime 
import time 

last_login_date = datetime.strptime(last_login, "%m/%d/%Y at %H:%M:%S %p") 
print(time.mktime(last_login_date.timetuple()))