파이썬 : 구문 분석 HTML과 표 텍스트 파일을 생성

Question

문제 : 나는 이와 같은 표 텍스트 파일을 html로 코드를 분석하고 검색 할 :

East Counties 
Babergh, http://ratings.food.gov.uk/OpenDataFiles/FHRS297en-GB.xml, 876 
Basildon, http://ratings.food.gov.uk/OpenDataFiles/FHRS109en-GB.xml, 1134 
... 
... 

내가 대신 무엇을 얻을 : 만 txt 파일에 나타나므로 for 루프가 각 새 영역을 인쇄하지 못합니다. 시도 코드는 html 코드 뒤에 있습니다.

HTML 코드 : 코드는이 인의 this html page에서 찾을 수 있습니다 위의 표를 참조하여 발췌 :

<h2> 
            East Counties</h2> 

             <table> 
              <thead> 
               <tr> 
                <th> 
                 <span id="listRegions_lvFiles_0_titleLAName_0">Local authority</span> 
                </th> 
                <th> 
                 <span id="listRegions_lvFiles_0_titleUpdate_0">Last update</span> 
                </th> 
                <th> 
                 <span id="listRegions_lvFiles_0_titleEstablishments_0">Number of businesses</span> 
                </th> 
                <th> 
                 <span id="listRegions_lvFiles_0_titleCulture_0">Download</span> 
                </th> 
               </tr> 
              </thead> 

             <tr> 
              <td> 
               <span id="listRegions_lvFiles_0_laNameLabel_0">Babergh</span> 
              </td> 
              <td> 
               <span id="listRegions_lvFiles_0_updatedLabel_0">04/05/2017 </span> 
               at 
               <span id="listRegions_lvFiles_0_updatedTime_0"> 12:00</span> 
              </td> 
              <td> 
               <span id="listRegions_lvFiles_0_establishmentsLabel_0">876</span> 
              </td> 
              <td> 
               <a id="listRegions_lvFiles_0_fileURLLabel_0" title="Babergh: English language" href="http://ratings.food.gov.uk/OpenDataFiles/FHRS297en-GB.xml">English language</a> 
              </td> 
             </tr> 

             <tr> 
              <td> 
               <span id="listRegions_lvFiles_0_laNameLabel_1">Basildon</span> 
              </td> 
              <td> 
               <span id="listRegions_lvFiles_0_updatedLabel_1">06/05/2017 </span> 
               at 
               <span id="listRegions_lvFiles_0_updatedTime_1"> 12:00</span> 
              </td> 
              <td> 
               <span id="listRegions_lvFiles_0_establishmentsLabel_1">1,134</span> 
              </td> 
              <td> 
               <a id="listRegions_lvFiles_0_fileURLLabel_1" title="Basildon: English language" href="http://ratings.food.gov.uk/OpenDataFiles/FHRS109en-GB.xml">English language</a> 
              </td> 
             </tr> 

내 시도 :

from xml.dom import minidom 
import urllib2 
from bs4 import BeautifulSoup 

url='http://ratings.food.gov.uk/open-data/' 
f = urllib2.urlopen(url) 
mainpage = f.read() 
soup = BeautifulSoup(mainpage, 'html.parser') 

regions=[] 
with open('Regions_and_files.txt', 'w') as f: 
    for h2 in soup.find_all('h2')[6:]: #Skip 6 h2 lines 
     region=h2.text.strip() #Get the text of each h2 without the white spaces 
     regions.append(str(region)) 
     f.write(region+'\n') 
     for tr in soup.find_all('tr')[1:]: # Skip headers 
      tds = tr.find_all('td') 
      if len(tds)==0: 
       continue 
      else: 
       a = tr.find_all('a') 
       link = str(a)[10:67] 
       span = tr.find_all('span') 
       places = int(str(span[3].text).replace(',', '')) 
       f.write("%s,%s,%s" % \ 
           (str(tds[0].text)[1:-1], link, places)+'\n') 

방법 이 문제를 해결할 수 있습니까?

Answer 1

나는 아름다운 수프 라이브러리에 익숙하지 해요,하지만 코드에서 판단하는 것은 각 h2주기 문서의 모든 tr 요소를 탐색하는 것 같습니다. 특정 h2 요소와 관련된 테이블에 속한 행만 트래버스해야합니다.

편집 : 당신이 즉 table = h2.next_sibling.next_sibling (첫 번째 형제 공백을 포함하는 문자열이기 때문에 두 번 호출), h2 이후 .next_sibling은 항상 table 뒤에 사용할 수 있습니다처럼 Beautiful Soup docs 얼핏 보이는 후. table에서 모든 행을 탐색 할 수 있습니다.

웨일즈에서 중복되는 이유는 실제로 이 (가) 중복되어 있기 때문입니다.