我使用Python和正则表达式来查找HTML文档中的内容,与大多数人所说的不同,它工作得非常完美,尽管可能会出错。不管怎么说,我决定靓汤会更快更容易,但我真的不知道如何让它像我用regex做的那样,这相当简单,但是很混乱。在
我正在使用此网页的HTML:
编辑:
以下是主要位置的HTML:
Riverside Tower Hotel 80 Riverside Drive, New York, New York, United States Yes第一个类似地点的例子:
^{pr2}$
当我的程序得到它,我用漂亮的汤使它更可读时,HTML出来的结果和Firefox的“视图源代码”有些不同……我不知道为什么。在
这些是我的正则表达式:PlaceName = re.findall(r'"nowrap">(.*) ', main)
PlaceAddress = re.findall(r'width="100%">(.*)\n
cNames = re.findall(r'target="_blank">(.*)
\n ', main)cAddresses = re.findall(r'
(.*)\n', main)cURLs = re.findall(r'
', main)前两个是主要地点和地址。其余部分用于其他地方的信息。在我做了这些之后,我决定我只想要前5个结果的cNames,caddress,和cURLs,因为我不需要91或任何它是什么。在
我不知道怎么用BS找到这种信息。我对BS所能做的就是找到特定的标签并用它们做些事情。这个HTML有点复杂,因为所有的信息。我想要的是在表和表标签是有点混乱。。。在