0 

!--This is the first table from where i get 4 id's (abc1---abc4) which i need to match with the table below and get the required data--!
<table width="100%" border="0" class=""BigClass">
<tbody>..</tbody>
</table>

!--This is the second table --!
<table width="100%" border="0" class=""BigClass">
<tbody>
<tr align="left">
<td valign="top" colspan="2">
<strong>   1.              
             First Topic
</strong>
<a name="abc1" id="abc1"></a>
</td>
</tr>
!--This is the place where the first speaker and his/her text comes---!
<tr align="left">
<td style="text-align:justify;line-height:2;padding-right:10px;" colspan="2">
<strong> "   First Speaker    "    </strong>
<br>
"    Some Text   "
</td>
</tr>

!--This is where the second speaker comes in---!
<tr align="left">
<td style="text-align:justify;line-height:2;padding-right:10px;" colspan="2">
<strong>  "  Second Speaker    "   </strong>
<br>
     "   Some Text   "    
</td>
</tr>

<tr><td colspan="2"><br></td></tr>
<tr><td colspan="2"><br></td></tr>

!--Then here comes the row with another id--!
<tr align="left">
<td valign="top" colspan="2">
<strong>   2.              
             Second Topic
</strong>
<a name="abc2" id="abc2"></a>
</td>
</tr>
!--Just like before, this will also have set of speakers who have some text--!

我有两个具有相同类名的表，即 BigClass。从第一个表中，我提取了 4 个 id，它们是 abc1、abc2、abc3、abc4。现在我想检查这些 id 在与第二个表中的 id 匹配后是否存在于第二个表中（它是），我想提取扬声器和这些扬声器的文本。您可以看到我要提取数据的第二个表 rom 的代码结构。

4

1 回答 1

0

提取扬声器和文本信息的最佳方法似乎是提取列表中的所有 id 和另一个列表中的所有扬声器信息。然后只需交叉引用所需的 id 并获取相应的扬声器信息。

我在这里创建了一个字典，其中键为 id，值作为扬声器信息。我通过 td 字段具有在包含扬声器信息的所有字段中定义的样式属性的条件找到扬声器信息。

为了从 HTML 中提取信息，我使用的是BeautifulSoup库。 

from bs4 import BeautifulSoup
from itertools import izip

soup = BeautifulSoup(open('table.html'))
idList = []
speakerList = []
idsRequired = ['abc1','abc2']
for a in soup.findAll('a'):
    if 'id' in a.attrs.keys():
        idList.append(a.attrs['id'])

for i in soup.findAll('td'):
    if 'style' in i.attrs.keys():
        speakerList.append(i.text)

for key,value in izip(idList,speakerList):
    if key in idsRequired:
        print value

这给了我输出：

"     First speaker   "
"   Some text     "


"     Second speaker   "
"   Some text     "
于 2013-08-07T20:45:13.860 回答