在python中获取html标签值

Question

我是 python 的新手。这是我在 python 2.7.5 上工作的代码

import urllib2
import sys       

url ="mydomain.com"
usock = urllib2.urlopen(url)
data = usock.read()
usock.close()

print data

获取这样的 HTML 标记并且它可以工作。

我想做的是，从<font class="big"></font> 标签中获取价值。例如。我需要这个例子中的数据值：

<font class="big">Data</font>

怎么做？

Answer 1

使用lxml：

import urllib2
import lxml.html

url ="mydomain.com"

usock = urllib2.urlopen(url)
data = usock.read()
usock.close()
for font in lxml.html.fromstring(data).cssselect('font.big'):
    print font.text

---

>>> import lxml.html
>>> root = lxml.html.fromstring('<font class="big">Data</font>')
>>> [font.text for font in root.cssselect('font.big')]
['Data']

Answer 2

您可以使用 HTML 解析器模块，例如 BeautifulSoup:

from bs4 import BeautifulSoup as BS
url ="mydomain.com"
usock = urllib2.urlopen(url)
data = usock.read()
usock.close()
soup = BS(data)
print soup.find('font', {'class':'big'}).text

这会找到带有class="big" 的标签<font>。然后打印其内容。