Beautifulsoup分析 - 詳細信息

Question

我已經問過一個問題，但它似乎我的探索並不清楚.. 所以，我再次詢問更詳細的信息。

<h2 class="sectionTitle"> 
CORPORATE HEADQUARTERS </h2> 
277 Park Avenue<br /> 
New York, New York 10172 
<br /><br />United States<br /><br /> 

我想只提取紐約州，紐約不郵政編碼10172

這是另外一個問題..

<h2 class="sectionTitle"> 
BACKGROUND</h2> 
He graduated Blabala 
</span> 

我想只提取畢業於BLABLA

我已經花了幾天，所以我覺得我可能會變得很瘋狂.. 請幫助我..感謝您提前給予您的善意幫助。

Answer 1

你仍然需要更多的細節才能寫出一個好的正則表達式。

例如，如果要提取「公司總部」的第二行不總是存在的，它可以這樣寫郵政編碼：

>>> import re 
>>> html = ''' 
... <h2 class="sectionTitle"> 
... CORPORATE HEADQUARTERS </h2> 
... 277 Park Avenue<br /> 
... New York, New York 10172 
... <br /><br />United States<br /><br /> 
... 
... <h2 class="sectionTitle"> 
... BACKGROUND</h2> 
... He graduated Blabala 
... </span> 
... ''' 
>>> re.search('(?s)<h2 class="sectionTitle">\s*CORPORATE HEADQUARTERS\s*</h2>.*?<br />([^<>]+) \d+', html).group(1).strip() 
'New York, New York' 
>>> re.search('(?s)<h2 class="sectionTitle">\s*BACKGROUND\s*</h2>([^<>]+)', html).group(1).strip() 
'He graduated Blabala' 

Answer 2

您應該使用tag.contents與.split('\n') to split on lines and .rsplit（''，1）`的組合來拆分最右邊最空格分隔的字符串。