Python：如果属性匹配，则在html标签之间获取数据，并将其放入列表中

Question

这是html文件的一部分。

......
......
<tr>
<td color="white" style="color:black; bgcolor="#ffff00">Adam</th>
<td color="white" style="color:white; bgcolor="#ff9900">450231</th>
<td color="white" style="color:black; bgcolor="#cc0000">658902</th>
</tr>
.......
.......
<tr>
<td color="white" style="color:black; bgcolor="#ffff00">John</th>
<td color="white" style="color:white; bgcolor="#ff9900">8734658</th>
<td color="white" style="color:black; bgcolor="#cc0000">90865</th>
</tr>
.......
.......

如果bgcolor="#ff9900" ，我需要提取450231和8734658并将它们放入列表中

到目前为止，我已经做到了。

class MyHTMLParser(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.recording = 0
        self.data = []

    def handle_starttag(self, tag, attrs):
        if tag == 'td':
            for name, value in attrs:
                if name == 'bgcolor' and value == '#993399':
                    self.recording = 1 

    def handle_endtag(self,tag):
        if tag == 'th':
            self.recording -= 1

    def handle_data(self, data):
        if self.recording:
            self.data.append(data)
.
.
.
        y = urllib2.urlopen(x)   # x gets the html file
        html = y.read()
        parser = MyHTMLParser()
        parser.feed(html)
        print parser.data
        parser.close()

parser.data包含['\\n', 'Adam', '\\n', '450231', '\\n', '658902\\n', '\\n', '\\n', '\\n'....]当它只应包含['450231', '8734658']我不确定我要去哪里。

Answer 1

您的录制标志似乎一直处于打开状态，除非已初始化。 您可能需要在适当的时候将其重置为零。 因为为所有标签都设置了标志，所以您将始终将数据追加到列表中。 这主要是因为您的'th'标记在HTML中不存在。 首先更正HTML。

编辑：只需阅读HTML不在您的控件中。 我不确定'th'结束标签中的检查是否成功。 尝试在结束标签中打印标签。 如果不是，那么控制将永远不会到达那里。 如何使用正则表达式匹配它。 如果漂亮的汤无法解析它，则可能需要使用正则表达式。

pattern = '<td.*?bgcolor="#ff9900".*?>(.*?)</th>'
re.findall(pattern, html) 

应该给你结果。