Pik*_*Man 5 html python beautifulsoup
我试图使用BeautifulSoup库从自动生成的HTML表中提取IP地址,我有点麻烦.
HTML的结构如下:
<html>
<body>
<table class="mainTable">
<thead>
<tr>
<th>IP</th>
<th>Country</th>
</tr>
</thead>
<tbody>
<tr>
<td><a href="hello.html">127.0.0.1<a></td>
<td><img src="uk.gif" /><a href="uk.com">uk</a></td>
</tr>
<tr>
<td><a href="hello.html">192.168.0.1<a></td>
<td><img src="uk.gif" /><a href="us.com">us</a></td>
</tr>
<tr>
<td><a href="hello.html">255.255.255.0<a></td>
<td><img src="uk.gif" /><a href="br.com">br</a></td>
</tr>
</tbody>
</table>
下面的小代码从两个td行中提取文本,但我只需要IP数据,而不是IP和国家/地区数据:
from bs4 import BeautifulSoup
soup = BeautifulSoup(open("data.htm"))
table = soup.find('table', {'class': 'mainTable'})
for row in table.findAll("a"):
print(row.text)
这个输出:
127.0.0.1
uk
192.168.0.1
us
255.255.255.0
br
我需要的是IP table.tbody.tr.td.a元素文本而不是国家table.tbody.tr.td.img.a元素.
是否有任何有经验的BeautifulSoup用户会对如何选择和提取有所了解.
谢谢.
首先搜索<td>中的每一行tbody：
# html should contain page content:
[row.find('td').getText() for row in bs4.BeautifulSoup(html).find('tbody').find_all('tr')]
或者也许更具可读性：
rows = [row in bs4.BeautifulSoup(html).find('tbody').find_all('tr')]
iplist = [row.find('td').getText() for row in rows]
| 归档时间： |
|
| 查看次数： |
20395 次 |
| 最近记录： |