格式化从python中美丽的汤中获得的文本答案

【问题标题】：format text obtained from beautiful soup in python格式化从python中美丽的汤中获得的文本
【发布时间】：2019-06-15 12:56:51
【问题描述】：

我用了漂亮的汤，并提取了一些 html，结果是：

print(e)
<p class="top-half listing-results-marketed">
<small>
                                Listed on 
18th Jan 2017


                            by
                    </small><br/>
<span>xxx Agents</span>

我只想提取日期和地产代理。

为了提取代理，我使用了：

print(e.span.text)
xxx Agents

为了提取数据，我使用：

print(e.small.text.strip())

最终得到：

Listed on 
18th Jan 2017


                            by

我是 python 正则表达式的新手，不确定如何仅提取日期部分。有什么建议么？

使用的代码：

from bs4 import BeautifulSoup as soup
import requests
from datetime import datetime
import pandas as pd
url='https://www.zoopla.co.uk/for-sale/property/petts-wood/?page_size=100'

req=requests.get(url)
page_soup = soup(req.content,'html.parser')

containers = page_soup.findAll('div',{'class':'listing-results-wrapper'})

e=containers[0].find('p',{'class':'top-half listing-results-marketed'})

【问题讨论】：

标签： python html regex text

【解决方案1】：

试试这个：

import re

span_text = 'Listed on 18th Jan 2017                            by'
p = re.compile(r"[1-9]{1,2}[a-z]{2} [A-Z]{1}[a-z]{2} [0-9]{4}")
result = p.findall(span_text)

print(result)

#Output ['18th Jan 2017']

像regexr 这样的网站非常适合学习正则表达式。

【讨论】：

喜欢这个链接，因为我已经玩了一段时间了。 python 是否完全遵循 perl？

【解决方案2】：

要将日期字符串解析为datetime对象，可以使用re模块和datetime.strptime函数（doc）：

data = '''
<p class="top-half listing-results-marketed">
<small>
                                Listed on
18th Jan 2017


                            by
                    </small><br/>
<span>xxx Agents</span>'''

from bs4 import BeautifulSoup
from datetime import datetime
import re

soup = BeautifulSoup(data, 'lxml')

time_data = re.findall(r'(\d+).*?\s+([A-Za-z]+)\s+(\d{4})', soup.select_one('small').text)[0]
d = datetime.strptime(' '.join(time_data), '%d %b %Y')
print(d)

打印：

2017-01-18 00:00:00

【讨论】：