从 HTML Python 中提取文本（BeautifulSoup、RE、其他选项？）

【问题标题】：Extract Text from HTML Python (BeautifulSoup, RE, Other Option?)从 HTML Python 中提取文本（BeautifulSoup、RE、其他选项？）
【发布时间】：2015-02-13 23:32:23
【问题描述】：

我熟悉 BeautifulSoup 和正则表达式作为从 HTML 中提取文本的一种方法，但对其他方面不太熟悉，例如 ElementTree、Minidom 等。

我的问题很简单。给定下面的 HTML sn-p，哪个库最适合提取下面的文本？文本为整数。

<td class="tl-cell tl-popularity" data-tooltip="7,944,796" data-tooltip-instant="">
<div class="pop-meter">
<div class="pop-meter-background"></div>
<div class="pop-meter-overlay" style="width: 55%"></div>
</div>
</td>

【问题讨论】：

好吧 re 绝对不是一个好选择，对 html 进行微小的更改，您的正则表达式就会中断。

标签： python web-scraping beautifulsoup html-parsing

【解决方案1】：

BeautifulSoup 相当简单：

from bs4 import BeautifulSoup

data = """
<td class="tl-cell tl-popularity" data-tooltip="7,944,796" data-tooltip-instant="">
<div class="pop-meter">
<div class="pop-meter-background"></div>
<div class="pop-meter-overlay" style="width: 55%"></div>
</div>
</td>
"""

soup = BeautifulSoup(data)
print(soup.td['data-tooltip'])

如果您有多个td 元素，并且需要从每个元素中提取data-tooltip：

for td in soup.find_all('td', {'data-tooltip': True}):
    print(td['data-tooltip'])

【讨论】：

这个问题肯定是基于意见的，虽然这个解决方案很“漂亮”，但你没有指出为什么它最好。 ;-) +1