如何使用 Beautifulsoup 抓取此 html 中的特定内容？

Question

我有一个这样的html：

<tr>
<td>
<b>
<a href=".././statistics/power" title="Exponent of the power-law degree distribution">Power law exponent (estimated) with d<sub>min</sub></a>
</b>
</td>
<td>2.1310 (d<sub>min</sub> = 49) 
</td>
</tr>

此外，我有许多其他 html 与此几乎相同，但底部第三行的数字不同。 我想在这个 html 中抓取这些数字，例如 2.1310，但不知道该怎么做。

这是我的代码：

def getLinks(Url):
    html=urlopen(Url)
    s = '<tr><td><b><a href=".././statistics/power" title' \
    '="Exponent of the power-law degree distibution">Power law exponent (estimated) with ' \
    'd<sub>min</sub></a></b></td><td>2.1310(d<sub>min</sub> = 49) </td></tr>'
    soup = BeautifulSoup(s, 'html.parser')
    print(soup.find_all('td')[1].contents[0][:-2])

我可以使用此代码获得 2.1310。

但是当数字变了，面对其他html时不知道怎么定义一个unified's'。类似的html太多了，我在编码时无法复制每个人。

Answer 1

您可以使用正则表达式来提取浮点值。

例如：

from bs4 import BeautifulSoup
import re
s = '<tr><td><b><a href=".././statistics/power" title' \
    '="Exponent of the power-law degree distibution">Power law exponent (estimated) with ' \
    'd<sub>min</sub></a></b></td><td>2.1610(d<sub>min</sub> = 2) </td></tr>'
soup = BeautifulSoup(s, 'html.parser')
for tr in soup.find_all('tr'):
    m = re.search("\d+\.\d+", tr.text)
    if m:
        print(m.group())

输出：

2.1610