根据字符串中的值解析字符串列表答案

【问题标题】：parsing a list of strings based on values in the string根据字符串中的值解析字符串列表
【发布时间】：2021-03-19 09:47:55
【问题描述】：

我从网站上抓取数据并使用以下代码将结果输出到列表中，以使用 beautifulsoup 和 requests 获得以下输出：

['1\n',
 ' Saul Alvarez*',
 '1545\n',
 '\n\n',
 '  middle\n',
 '  30\n',
 ' 53\xa01\xa02\n',
 ' \n',
 'orthodox\n',
 'Guadalajara, Mexico',
 '2\n',
 ' Tyson Fury',
 '1030\n',
 '\n\n',
 '  heavy\n',
 '  32\n',
 ' 30\xa00\xa01\n',
 ' \n',
 'orthodox\n',
 'Wilmslow, United Kingdom',
 '3\n',
 ' Errol Spence Jr',
 '697.2\n',
 '\n\n',
 '  welter\n',
 '  30\n',
 ' 27\xa00\xa00\n',
 ' \n',
 'southpaw\n',
 'Desoto, USA',
 '4\n',
 ' Terence Crawford',
 '658.9\n',
 '\n\n',
 '  welter\n',
...

我在解析这个列表时遇到了困难，只要有一个整数 + '\n'。所以理想情况下，我希望输出是列表列表：

[[
'1\n',
 ' Saul Alvarez*',
 '1545\n',
 '\n\n',
 '  middle\n',
 '  30\n',
 ' 53\xa01\xa02\n',
 ' \n',
 'orthodox\n',
 'Guadalajara, Mexico'
],
['2\n',
 ' Tyson Fury',
 '1030\n',
 '\n\n',
 '  heavy\n',
 '  32\n',
 ' 30\xa00\xa01\n',
 ' \n',
 'orthodox\n',
 'Wilmslow, United Kingdom']
['3\n',
 ' Errol Spence Jr',
 '697.2\n',
 '\n\n',
 '  welter\n',
 '  30\n',
 ' 27\xa00\xa00\n',
 ' \n',
 'southpaw\n',
 'Desoto, USA'],
...]

【问题讨论】：

所以您的意思是，您希望将您的列表转换为第二列表？或者请澄清或者您确定每个子列表的长度都相同，即 9？

标签： python arrays string

【解决方案1】：

嗯，有两件事情发生了，我只说第一件。

您可以删除空格和'\n'，因为它们是换行符，即换行符。


li = ['1\n',
 ' Saul Alvarez*',
 '1545\n',
 '\n\n',
 '  middle\n',
 '  30\n',
 ' 53\xa01\xa02\n',
 ' \n',
 
]

li = [val.replace(r"\n","") for val in li]
li = [val.strip() for val in li if val.strip()]

print(li)

输出：

['1', 'Saul Alvarez*', '1545', 'middle', '30', '53\xa01\xa02']

第二个问题，我不会在这里解决，因为我们不知道您没有给出的 html 格式，是您在不查看 HTML 的情况下获取所有元素值（每个标签中的文本）标记的结构。这是错误的做法。

我假设如果您查看页面的源代码，您可能会发现类似<div class="name">Saul Alvarez</div><div class="weightclass">middle</div> 的内容。使用标记的注释和语义上下文比试图从上面的列表中用 6 个元素猜测结构更有效率。 BeautifulSoup 可以做到，例如尝试使用soup.select("div.name")。

soup.select 使用 CSS 选择器的好处是您可以在浏览器的开发工具中预先测试您的查询。

请记住，soup.select 将返回一个 html 元素列表，您可以从中查看 value。

【讨论】：