我如何解析字符串以查找特定的单词/数字并显示它们（如果找到）

Question

我确定我已经写了一些相当可疑的代码，但这似乎可以解决问题。 问题是，如果广告中的第一个单词不是年份，它会将数据打印到电子表格中，并希望在该列中查找车辆的年份，然后显示可能是制造商的第一个单词。

本质上，我想设置if语句，以便如果车辆年份不在第一个单词中，而是在字符串中的其他位置，它仍会找到它并将其打印到我的.csv中。

另外，我一直在努力解析多个页面，并希望这里的人也可以提供帮助。 网址中包含page = 2等，但我无法通过所有网址解析它并获取所有页面上的数据。 目前，我尝试过的所有内容都只显示首页。 您可能已经猜到了，我是Python的新手。

import csv ; import requests

from bs4 import BeautifulSoup

outfile = open('carandclassic-new.csv','w', newline='', encoding='utf-8')
writer = csv.writer(outfile)
writer.writerow(["Link", "Title", "Year", "Make", "Model", "Variant", "Image"])

url = 'https://www.carandclassic.co.uk/cat/3/?page=2'

get_url = requests.get(url)

get_text = get_url.text

soup = BeautifulSoup(get_text, 'html.parser')


car_link = soup.find_all('div', 'titleAndText', 'image')


for div in car_link:
    links = div.findAll('a')
    for a in links:
        link = ("https://www.carandclassic.co.uk" + a['href'])
        title = (a.text.strip())
        year = (title.split(' ', 1)[0])
        make = (title.split(' ', 2)[1])
        model = (title.split(' ', 3)[2])
        date = "\d"
        for line in title:
        yom = title.split()
        if yom[0] == "\d":
            yom[0] = (title.split(' ', 1)[0])
        else:
            yom = title.date

        writer.writerow([link, title, year, make, model])
        print(link, title, year, make, model)



outfile.close()

请有人可以帮我吗？ 我意识到底部的if语句可能会偏离。

该代码成功地从字符串中获取了第一个单词，可惜的是，数据的结构方式并不总是汽车的制造年份（yom）

Answer 1

注释 "1978 Full restored Datsun 280Z"变为'1978' '1978' '280Z' 。
而不是'1978' 'Datsun' '280z'

为了改善year验证，请更改为使用re模块：

import re

if not (len(year) == 4 and year.isdigit()):
    match = re.findall('\d{4}', title)
    if match:
        for item in match:
            if int(item) in range(1900,2010):
                # Assume year
                year = item
                break

输出变为：

 '1978 Full restored Datsun 280Z', '1978', 'Full', '280Z' 

关于错误结果make='Full'您有两种选择。

1. 停用词清单
   用['full', 'restored', etc.]术语构建停用词列表，并loop title_items以查找不在停用词列表中的第一项。

2. 厂商清单
   建立一个像['Mercedes', 'Datsun', etc.]这样的制造商列表['Mercedes', 'Datsun', etc.]并loop title_items来找到第一个匹配的项目。

---

问题 ：如果广告中的第一个单词不是年份，请查找车辆的年份

二手的build-in和module ：

• str.split（sep = None，maxsplit = -1） ， str.isdigit（）
• 类列表（[iterable]） ， 可变序列类型 ， 通用序列操作

---

• 使用的样本标题：

   # Simulating html Element class Element(): def __init__(self, text): self.text = text for a in [Element('Mercedes Benz 280SL 1980 Cabriolet in beautiful condition'), Element('1964 Mercedes Benz 220SEb Saloon Manual RHD')]: 

• 从<a Element获取title ，并用blanks分隔。

    title = a.text.strip() title_items = title.split() 

• 默认title_items index 0, 1, 2处的title_items 。

    # Default year = title_items[0] make = title_items[1] model = title_items[2] 

• 验证year满足条件4位数字

    # Verify 'year' if not (len(year) == 4 and year.isdigit()): 

• 循环title_items所有item ，如果满足条件则中断。

    # Test all items for item in title_items: if len(item) == 4 and item.isdigit(): # Assume year year = item break 

• 更改为假设，索引0, 1处的title_items是make和model

    make = title_items[0] model = title_items[1] 

• 检查model是否以数字开头

  注意 ：如果模型不符合此条件，将失败！

    # Condition: Model have to start with digit if not model[0].isdigit(): for item in title_items: if item[0].isdigit() and not item == year: model = item print('{}'.format([title, year, make, model])) 

输出 ：

 ['Mercedes Benz 280SL 1980 Cabriolet in beautiful condition', '1980', 'Mercedes', '280SL'] ['1964 Mercedes Benz 220SEb Saloon Manual RHD', '1964', 'Mercedes', '220SEb'] 

使用Python测试：3.4.2