在没有外部模块的情况下使用 Python 解析 HTML 文件

Question

我正在尝试使用 Python 解析 html 文件 使用任何外部模块。原因是我在触发 詹金斯的工作并遇到了一些导入问题 lxml 和 BeautifulSoup （尝试解决它，我认为 我在某处做工程以完成我的工作）

输入：

    <tr class="test">
    <td class="test">
      <a href="a.html">BA</a>
    </td>
    <td class="duration">
      0.000s
    </td>

        <td class="zero number">0</td>

        <td class="zero number">0</td>

        <td class="zero number">0</td>

    <td class="passRate">
            N/A
          </td>
  </tr>

  <tr class="test">
    <td class="test">
      <a href="o.html">Aa</a>
    </td>
    <td class="duration">
      0.000s
    </td>

        <td class="zero number">0</td>

        <td class="zero number">0</td>

        <td class="zero number">0</td>

    <td class="passRate">
            N/A
          </td>
  </tr>

  <tr class="test">
    <td class="test">
      <a href="g.html">VideoAds</a>
    </td>
    <td class="duration">
      0.390s
    </td>

        <td class="zero number">0</td>

        <td class="zero number">0</td>

        <td class="zero number">0</td>

    <td class="passRate">
            N/A
          </td>
  </tr>

  <tr class="suite">
    <td colspan="2" class="totalLabel">Total</td>

        <td class="zero number">271</td>

        <td class="zero number">0</td>

        <td class="zero number">3</td>

    <td class="passRate suite">
            98%
          </td>

  </tr>

输出：

我想占用那个特定的块 带有“套件”类的 tr 标签（最后检查），然后拉 零号、零号、零号的值 和 passRate 套件。最后，打印值。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

例如。零数 = 271 ...

通过率 = 98%

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 这是我对 lxml 的尝试：

tree = parse(HTML_FILE)
tds = tree.xpath("//tr[@class='suite']//td/text()")
val = map(str.strip, tds)

这在本地可行，但我真的想做点什么 没有任何外部依赖。我应该使用 strip() 还是 使用 os.path.isFile() 打开一个文件。我可能不正确，但建议/引导我完成此操作的解决方案。

Answer 1

对于一个元素，您可以尝试使用re 模块甚至字符串函数。

data = '''<tr class="test">
<td class="test">
<a href="no.html">track</a></td>
<td class="duration">0.390s</td>
<td class="zero number">0</td>
<td class="zero number">0</td>
<td class="zero number">0</td>
<td class="passRate">N/A</td></tr>

<tr class="suite">
<td colspan="2" class="totalLabel">Total</td>
<td class="passed number">271</td>
<td class="zero number">0</td>
<td class="failed number">3</td>
<td class="passRate suite">98%</td>
</tr>'''

# re module

import re

print(re.search('suite">(\d+)%', data).group(1))

# string functions

before = 'passRate suite">'
after  = '%'
start = data.find(before) + len(before)
stop  = data.find(after, start)

print(data[start:stop])

---

编辑：使用re获取其他值

import re

print('passed:', re.search('passed number">(\d+)', data).group(1))
print('zero:', re.search('zero number">(\d+)', data).group(1))
print('failed:', re.search('zero number">(\d+)', data).group(1))
print('Rate:', re.search('suite">(\d+)', data).group(1))

passed: 271
zero: 0
failed: 0
Rate: 98