Python - Как разделить текст взятый с сайта html

Question

Поэтому я делаю небольшой сценарий, который я распечатываю каждый раз, когда в основном происходит обновление моего отслеживания UPS.

Сейчас я сделал скрипт, который выглядит так:

 tracking_full_site = 'https://wwwapps.ups.com/WebTracking/track?track=yes&trackNums=' + url #URL is the last tracking numbers that I can't provide due to incase someone changes anything with my tracking.

    headers = {
        'User-Agent': ('Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36'
                       ' (KHTML, like Gecko) Chrome/68.0.3440.75 Safari/537.36')
    }
    resp = s.get(tracking_full_site, headers=headers, timeout=12)
    resp.raise_for_status()

    bs4 = soup(resp.text, 'lxml')
    old_list = []

    for item in bs4.findAll('tr', {'valign': 'top'}):
        where_is_it = " ".join(item.text.split())
        old_list.append(where_is_it)

    print(old_list)

    sys.exit()

Однако получаемые оттиски:

United States 28.08.2018 6:16 Package departed international carrier facility
Edgewood, NY, United States 27.08.2018 20:00 Package transferred to post office
United States 27.08.2018 18:42 Package processed by international carrier
EDGEWOOD, NY, United States 24.08.2018 15:51 Package processed by UPS Mail Innovations origin facility
24.08.2018 12:55 Package received for processing by UPS Mail Innovations
United States 22.08.2018 8:19 Shipment information received by UPS Mail Innovations

, которая выглядит очень хорошо с функцией " ".join(item.text.split())

У меня вопрос , как я могу разделить его так, чтобы я мог распечатать только страну и т.д. или дату, время или описание?

EDIT:

Это полный HTML-код, который хотят видеть все:

<table summary="" border="0" cellpadding="0" cellspacing="0" class="dataTable">
   <tbody>
      <tr>
         <th scope="col">Location</th>
         <th scope="col">Date</th>
         <th scope="col">Local Time</th>
         <th scope="col" class="full">Activity&nbsp;(<a class="btnlnkR helpIconR" href="javascript:helpModLvl('https://www.ups.com/content/se/en/tracking/tracking/description.html')">What's this?</a>)</th>
      </tr>
      <tr valign="top">
         <td class="nowrap">
            United States
         </td>
         <td class="nowrap">
            28.08.2018
         </td>
         <td class="nowrap">
            6:16
         </td>
         <td>Package departed international carrier facility</td>
      </tr>
      <tr valign="top" class="odd">
         <td class="nowrap">
            Edgewood,&nbsp;
            NY,&nbsp;
            United States
         </td>
         <td class="nowrap">
            27.08.2018
         </td>
         <td class="nowrap">
            20:00
         </td>
         <td>Package transferred to post office</td>
      </tr>
      <tr valign="top">
         <td class="nowrap">
            United States
         </td>
         <td class="nowrap">
            27.08.2018
         </td>
         <td class="nowrap">
            18:42
         </td>
         <td>Package processed by international carrier</td>
      </tr>
      <tr valign="top" class="odd">
         <td class="nowrap">
            EDGEWOOD,&nbsp;
            NY,&nbsp;
            United States
         </td>
         <td class="nowrap">
            24.08.2018
         </td>
         <td class="nowrap">
            15:51
         </td>
         <td>Package processed by UPS Mail Innovations origin facility</td>
      </tr>
      <tr valign="top">
         <td class="nowrap">
         </td>
         <td class="nowrap">
            24.08.2018
         </td>
         <td class="nowrap">
            12:55
         </td>
         <td>Package received for processing by UPS Mail Innovations</td>
      </tr>
      <tr valign="top" class="odd">
         <td class="nowrap">
            United States
         </td>
         <td class="nowrap">
            22.08.2018
         </td>
         <td class="nowrap">
            8:19
         </td>
         <td>Shipment information received by UPS Mail Innovations</td>
      </tr>
   </tbody>
</table>

Мое желание для вывода будет и т. Д.

Country: United State
Date: 28.08.2018
Time: 6:16
Description: Package departed international carrier facility

Как вы можете видеть на оттисках, не все имеют свою страну. Знайте об этом!

К одному из ответов редакции:

['Sweden', '29.08.2018', '11:08', 'Package arrived at international carrier']
['United States', '28.08.2018', '6:16', 'Package departed international carrier facility']
['Edgewood,\t\t\t\t\t\t\t\n\n\t\t\t\t            \n\t\t\t\t            \t\n\t\t\t\t            \tNY,\t\t\t\t            \n\n\t\t\t\t            \n\t\t\t\t            \t\n\t\t\t\t            \tUnited States', '27.08.2018', '20:00', 'Package transferred to post office']
['United States', '27.08.2018', '18:42', 'Package processed by international carrier']
['EDGEWOOD,\t\t\t\t\t\t\t\n\n\t\t\t\t            \n\t\t\t\t            \t\n\t\t\t\t            \tNY,\t\t\t\t            \n\n\t\t\t\t            \n\t\t\t\t            \t\n\t\t\t\t            \tUnited States', '24.08.2018', '15:51', 'Package processed by UPS Mail Innovations origin facility']
['', '24.08.2018', '12:55', 'Package received for processing by UPS Mail Innovations']
['United States', '22.08.2018', '8:19', 'Shipment information received by UPS Mail Innovations']

Answer 1

array = []
for item in soup.findAll('tr', {'valign': 'top'}):
     array.append([f.text.strip().replace("\xa0\n\t", "") for f in item.findAll("td")])
output = []
for e in array:
   output.append({"Country": e[0].replace("   ", ""), "Date": e[1], "Time": e[2], "Description": e[3]})

 if you want to print only the country, just do this
 for element in output:
    print (element["Country"])

Answer 2

Получив ответ GET, поместите его в переменную (respString) и проанализируйте. Идея состоит в том, чтобы прочитать html и определить, где находится информация.

Если вы нацелены на эту часть HTML:

<tr valign="top" class="odd">
   <td class="nowrap">
      United States
   </td>
   <td class="nowrap">
      22.08.2018
   </td>
   <td class="nowrap">
      8:19
   </td>
   <td>Shipment information received by UPS Mail Innovations</td>
</tr>

Это должно помочь вам разобраться в «Соединенных Штатах»:

var startIndex = respString.indexOf('<td class="nowrap">');
var tempRespString = respString.substring(startIndex);
var tempStartIndex = tempRespString.indexOf('>');
var tempEndIndex = tempRespString.indexOf('</');
var country = tempRespString.substring(tempStartIndex + 1, tempEndIndex);

Если есть несколько похожих строк и вы не можете правильно их проиндексировать - скажем, вам нужно нацелиться на третью ...

'<td class="nowrap">'

... затем вы в основном находите первый, подставляя его в конец (обрезая первый показ этого шаблона), затем делаете то же самое и обрезая второй показ этого шаблона), пока не найдете правильная информация.

Просто проявите изобретательность и найдите способы анализа данных, которые вы хотите получить в ответе HTML.