使用 Beautiful Soup 提取 HTML 中的部分文本答案

【问题标题】：Extract part of Text in HTML using Beautiful Soup使用 Beautiful Soup 提取 HTML 中的部分文本
【发布时间】：2017-06-30 16:28:40
【问题描述】：

我的 HTML 为：

<span id="lbldiv" class="lbl" style="color:Blue;">
    Division : First; Grand Total: 3861; Grand Max Total: 4600
</span>

我可以通过在 span 元素上使用 get_text 来提取文本：Division : First; Grand Total: 3861; Grand Max Total: 4600。

是否可以仅从文本中提取数字 - 3861 和 4600，或者通过使用 Python 中的 Beautiful Soup 库跳过字母来获取字符（数字）？

【问题讨论】：

您可以使用一些字符串处理选项（例如str.split()）来执行此操作，但根据数据的复杂/一致程度，使用正则表达式可能会更好。
使用text = soup.find("span", {"id":"lbldiv"}).text 获取文本。然后您可以使用split 和isdigit 函数获取数字。

标签： python html beautifulsoup

【解决方案1】：

如果您的数据是常规数据，并且从外观上看，它是由分号分隔的键值对。下面的函数会将其提取到键值元组中。然后，您可以使用类似下面的方法遍历并仅提取有数字的行。

def extract_kv_pairs(s):
    """Extract key value pairs seperated by colons and semi-colons."""
    kvp = []
    for r in s.split(';'):
        k, v = r.split(':')
        # is it an integer?
        try:
            # yes, convert it
            v = int(v)
        except ValueError:
            # no, trim the string
            v = v.strip()

        kvp.append((k.strip(), v))

    return kvp

s = 'Division : First; Grand Total: 3861; Grand Max Total: 4600'
kvp = extract_kv_pairs(s)
numeric_values = [p for p in kvp if isinstance(p[1], int)]
print(kvp)
# [('Division', 'First'), ('Grand Total', 3861), ('Grand Max Total', 4600)]
print(numeric_values)
# [('Grand Total', 3861), ('Grand Max Total', 4600)]

【讨论】：