* Обновление: теперь я получил ссылки Href.Просто нужно выполнить поиск, чтобы получить весь текст между каждым элементом.
Вот мой код: 1. получить начальные и конечные данные.
import requests
from bs4 import BeautifulSoup
import re
import urllib
new_text=urllib.request.urlopen("https://www.sec.gov/Archives/edgar/data/1294017/000119312505142547/0001193125-05-142547.txt")
soup = BeautifulSoup(new_text, 'lxml')
results = soup.findAll("a", {"name" : True})
print(results)
Итак, я получаю следующие данные:
<a name="toc"></a>, <a name="toc51579_1"></a>, <a name="toc51579_2"></a>,
Получить текст между каждой начальной и конечной точками.(здесь я хотел бы сделать цикл, чтобы получить первый и второй элемент из списка выше, вставить в re.search и получить все тексты между ними. Но я застрял в этой точке. Я не могу заставить этот цикл работать. Я думаю,Я делаю ошибку при вставке первой и второй точек данных в функцию re.search в виде текста.
для i в enumerate (results): new_text = re.search (r '' + re.escape (results[i]) + re.escape ('. *?') + re.escape (результаты (i + 1)), суп, re.DOTALL) .group () print (новый_текст)
Оригинальный вопрос:
Предполагая, что я могу получить ссылки Anchor Href, как я могу извлечь текст между точками привязки точки Href в тексте?
Так что в основном у меня есть
<A HREF="#toc51579_1">Summary</A>
и
<A HREF="#toc51579_2">Risk Factors</A>
И я хочу последовать за якорем, чтобы перейти на страницу «Сводка», перетащить весь текст на страницу «Факторы риска».
Например: Начать с
<A NAME="toc51579_1"></A>Summary </B></FONT></P>
до факторов риска
Мой первый пост, поэтому, пожалуйста, потерпите меня.:)
Большое спасибо.
Tего страница оглавления.Мне не нужен текст здесь.Это показывает, где находятся якорные Hrefs.
<TR>
<TD WIDTH="88%"></TD>
<TD VALIGN="bottom" WIDTH="8%"></TD>
<TD></TD></TR>
<TR>
<TD VALIGN="bottom"><FONT SIZE="1"> </FONT></TD>
<TD VALIGN="bottom"><FONT SIZE="1"> </FONT></TD>
<TD VALIGN="bottom" ALIGN="center" STYLE="border-bottom:1px solid #000000"><FONT STYLE="font-family:Times New Roman" SIZE="1"><B>Page</B></FONT></TD></TR>
<TR>
<TD VALIGN="top"> <P STYLE="margin-left:1.00em; text-indent:-1.00em"><FONT STYLE="font-family:Times New Roman" SIZE="2"><A HREF="#toc51579_1">Summary</A></FONT></P></TD>
<TD VALIGN="bottom"><FONT SIZE="1"> </FONT></TD>
<TD VALIGN="bottom" ALIGN="right"><FONT STYLE="font-family:Times New Roman" SIZE="2">1</FONT></TD></TR>
<TR>
<TD VALIGN="top"> <P STYLE="margin-left:1.00em; text-indent:-1.00em"><FONT STYLE="font-family:Times New Roman" SIZE="2"><A HREF="#toc51579_2">Risk Factors</A></FONT></P></TD>
<TD VALIGN="bottom"><FONT SIZE="1"> </FONT></TD>
<TD VALIGN="bottom" ALIGN="right"><FONT STYLE="font-family:Times New Roman" SIZE="2">15</FONT></TD></TR>