Получить каждый <div>файла html в одной строке - PullRequest
Новая
       0

Получить каждый <div>файла html в одной строке

1 голос
/ 16 апреля 2020 
<div id="div_1">
    <p class="keywords">
        <strong> Those are the main keywords </strong>
        <ol>
            <li>Decentralization</li>
            <li>Planning</li>
        </ol>
    </p> 
</div>
<div id="div_2">
<p class="keywords">
    <strong>This is the first paragraph of the second div </strong>
    <strong>This is the second paragraph of the second div </strong>
</p> 
</div>
<div id="div_3">
<p> This is the first paragraph of the second div </p> 
</div>

Я хочу проанализировать этот файл html, чтобы у меня был каждый div в строке, что означает следующий вывод: 

Those are the main keywords Decentralization Planning
This is the first paragraph of the second div This is the second paragraph of the second div
This is the first paragraph of the third div

Это мой код: 

soup = BeautifulSoup (open(document, encoding = "utf8"), "html.parser")
myDivs = soup.findAll("div", id = re.compile("^div_"))
for div in myDivs:
    txt = div.text + "\n"
    print (txt)

Это возвращает мне текст

, но с каждым из его тегов (

, ) в строке

Есть идеи, как мне это сделать?

Ответы [ 2 ]

0 голосов
/ 16 апреля 2020 
import re
from bs4 import BeautifulSoup

html = """
<div id="div_1">
    <p class="keywords">
        <strong> Those are the main keywords </strong>
        <ol>
            <li>Decentralization</li>
            <li>Planning</li>
        </ol>
    </p> 
</div>
<div id="div_2">
<p class="keywords">
    <strong>This is the first paragraph of the second div </strong>
    <strong>This is the second paragraph of the second div </strong>
</p> 
</div>
<div id="div_3">
<p> This is the first paragraph of the second div </p> 
</div>
"""

soup = BeautifulSoup(html, 'html.parser')

for item in soup.findAll("div", id=re.compile("^div_")):
    target = [a.get_text(strip=True, separator=" ") for a in item.findAll("p")]
    print(*target)

Выход: 

Those are the main keywords Decentralization Planning
This is the first paragraph of the second div This is the second paragraph of the second div
This is the first paragraph of the second div
0 голосов
/ 16 апреля 2020

Ход Yap для l oop на div> P

https://jsfiddle.net/0m3r_/e7Loa96z/1/

<html>
	<head></head>
		<body>
			<div id="div_1">
				<p class="keywords">
					<strong> Those are the main keywords </strong>
					<ol>
						<li>Decentralization</li>
						<li>Planning</li>
					</ol>
				</p> 
			</div>
			
			
			<div id="div_2">
				<p class="keywords">
					<strong>This is the first paragraph of the second div </strong>
					<strong>This is the second paragraph of the second div </strong>
				</p> 
			</div>
			
			<div id="div_3">
				<p> This is the first paragraph of the second div </p> 
			</div>
		</body>
</html>
from bs4 import BeautifulSoup

url = r"D:\Temp\example.html"

with open(url, "r") as page:
    contents = page.read()
    html = BeautifulSoup(contents, 'html.parser')

    html_body = html.find('body')
    elements = html.find_all('div')

    for div in elements:
        p = div.find_all('p')
        text = [i.text for i in p]
        print(text)

enter image description here

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.

Нет похожих вопросов

...