[英]Scraping data from the tag names in python
嗨,我正在尝试从网站上抓取用户数据。 我需要在标签名称中可用的用户 ID。我试图在div标签中使用 python selenium 和漂亮的汤来抓取 UID。
例子:
<"div id="UID_**60CE07D6DF5C02A987ED7B076F4154F3**-SRC_328619641" class="memberOverlayLink" onmouseover="ta.trackEventOnPage('Reviews','show_reviewer_info_window','user_name_photo'); ta.call('ta.overlays.Factory.memberOverlayWOffset', event, this, 's3 dg rgba_gry update2012', 0, (new Element(this)).getElement('.avatar')&&(new Element(this)).getElement('.avatar').getStyle('border-radius')=='100%'?-10:0);">
我试图在 div 标签中使用 python selenium 和漂亮的汤来抓取 UID。 我浏览了所有文档和几个网页,但找不到解决方案。 如果有人可以请告诉我这样的事情是否可能,我将不胜感激。
假设id
属性值始终采用UID_
后跟一个或多个字母数字字符后跟-SRC_
后跟一个或多个数字的格式:
import re
from bs4 import BeautifulSoup
soup = BeautifulSoup(html)
pattern = re.compile(r"UID_(\w+)\-SRC_\d+")
id = soup.find("div", id=pattern)["id"]
uid = pattern.match(id).group(1)
print(uid)
这里我们使用BeautifulSoup
并搜索id
属性值以匹配特定的正则表达式。 它包含一个保存组(\\w+)
,可帮助我们提取 UID 值。
您可以使用.get方法并轻松抓取标签名称,
在你的问题中;
soup.get('id')
当然,如果存在很多id标签,您需要在使用.get之前使用find或find_all方法使用更具体的标签
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.