我如何解析字符串以查找特定的單詞/數字並顯示它們（如果找到）

Question

我確定我已經寫了一些相當可疑的代碼，但這似乎可以解決問題。 問題是，如果廣告中的第一個單詞不是年份，它會將數據打印到電子表格中，並希望在該列中查找車輛的年份，然后顯示可能是制造商的第一個單詞。

本質上，我想設置if語句，以便如果車輛年份不在第一個單詞中，而是在字符串中的其他位置，它仍會找到它並將其打印到我的.csv中。

另外，我一直在努力解析多個頁面，並希望這里的人也可以提供幫助。 網址中包含page = 2等，但我無法通過所有網址解析它並獲取所有頁面上的數據。 目前，我嘗試過的所有內容都只顯示首頁。 您可能已經猜到了，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()

請有人可以幫我嗎？ 我意識到底部的if語句可能會偏離。

該代碼成功地從字符串中獲取了第一個單詞，可惜的是，數據的結構方式並不總是汽車的制造年份（yom）

Answer 1

注釋 "1978 Full restored Datsun 280Z"變為'1978' '1978' '280Z' 。
而不是'1978' 'Datsun' '280z'

為了改善year驗證，請更改為使用re模塊：

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

輸出變為：

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

關於錯誤結果make='Full'您有兩種選擇。

1. 停用詞清單
   用['full', 'restored', etc.]術語構建停用詞列表，並loop title_items以查找不在停用詞列表中的第一項。

2. 廠商清單
   建立一個像['Mercedes', 'Datsun', etc.]這樣的制造商列表['Mercedes', 'Datsun', etc.]並loop title_items來找到第一個匹配的項目。

---

問題 ：如果廣告中的第一個單詞不是年份，請查找車輛的年份

二手的build-in和module ：

• str.split（sep = None，maxsplit = -1） ， str.isdigit（）
• 類列表（[iterable]） ， 可變序列類型 ， 通用序列操作

---

• 使用的樣本標題：

   # 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')]: 

• 從<a Element獲取title ，並用blanks分隔。

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

• 默認title_items index 0, 1, 2處的title_items 。

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

• 驗證year滿足條件4位數字

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

• 循環title_items所有item ，如果滿足條件則中斷。

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

• 更改為假設，索引0, 1處的title_items是make和model

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

• 檢查model是否以數字開頭

  注意 ：如果模型不符合此條件，將失敗！

    # 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])) 

輸出 ：

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

使用Python測試：3.4.2