html-parsing 相关问题

在Beautifoulsuop解析HTML.text python中添加空格。

我正在解析一些HTML数据，并试图解析文本，但当我没有得到想要的结果。我正在解析的HTML片段。例子1

HTML Specific <h1> Python中的文本

我只想得到页面的标题

解析我的html，提取 使用jSoup

这是我的html文件。 关键字 要素1 ...

[类似Python的jquery HTML解析？

是否有任何Python库可让我解析类似于jQuery的HTML文档？即，我希望能够使用CSS选择器语法从...

在Beautifulsoup中查找特定的HTML标签

我一直在努力寻找正确的汤。select_one或find_next组合来找到下面的zestimate标签。您能帮忙找到此汤代码吗？这是网址：https：//www.zillow.com / ...

遍历URL的Dataframe列并解析出html标签

这不应该太难，尽管我不知道，我敢打赌我犯了一个愚蠢的错误。以下是适用于单个链接并返回zestimate的代码（req_headers变量...

在Python的HTML标记内查找特定文本

我已经尝试了100万种方法来解析热情，但尚未成功。这是带有zestimate信息的html标签：... ...>] >>

美丽的汤刮了多页，下一页缺少值

我正在使用Beautifulsoup在多页网站上抓取汽车名称和价格列表。在一页中，它包含40个数据，并且如果仅刮一页，该代码将正常工作。当涉及刮擦...

java.lang.NullPointerException：尝试在JSoup库上调用接口方法'int java.lang.Comparable.compareTo（java.lang.Object）'

我曾尝试在Jsoup github论坛上提问，但仍未得到任何答案。此崩溃仅发生在Firebase TestLab（API级别28、26）中的特定设备中。我很难测试bcz我所有的...

来自维基百科的解析器用户页面信息。如何删除多余的信息？

我正在尝试使用API 从Wikipedia中获取公共用户信息。 （使用脚本get_pages_revisions.py）。在获得修订后，我使用BeautifulSoup剥离了所有HTML标记。但是，我...

如何使用python将字典值插入html模板文件？

我有一个html模板文件，如下所示，我想用python脚本中的字典值替换标题和正文。

如果搜索请求的网址正在更改，如何解析网站

Speedo up upsoupsoup

我正在运行本课程网站的抓取工具，我想知道一旦将它放入beautifulsoup中，是否有更快的方法来抓取该页面。它花费的时间比我预期的要长。 ...

无法使用Beautifulsoup读取网页的所有html

我正在尝试使用Beautifulsoup从SEC提取10k表格。不幸的是，以下代码并未显示所有html。它是从html中间的某处开始打印的。 ...

解析类的特定部分

我想从html doc类进行解析，但前提是所包含的类中包含特定单词。因此，例如在 或 此...

我如何将具有相同值的键合并到单个对象中？

我使用Parsehub API以json格式抓取以下数据，当我想在某个国家/地区打印信息时，我只能获取第一组数据：'name'，'pop'，'area '，'growth'，'...

在SAS中解析HTML数据

[嗨，我是R用户，这是我第一次尝试在SAS中解析HTML数据。我能够在文本文件中获取信息，然后使用以下几行读取文件，但无法解析数据：...

使用BeautifulSoup抓取网页

我正在尝试抓取此站点：https://www.senate.gov/general/contact_information/senators_cfm.cfm我的代码：来自bs4的导入请求import BeautifulSoup URL ='https://www.senate.gov/。 ..

是否无需标记就无法清理Web爬网？用正则表达式是否可以使其干净？

数据= re.sub（'] *>'，''，string = html）.lower（）我想抓取随机页面。但是，由于不可能只刮取所需的内容，因此我提出了一个问题。是否可以删除...

解析HTML文件并存储标题 和子标题 ，文本包含在另一个文件目录（Python）中的文本下]] 所以我的HTML页面很长。我实际上将.docx文档转换为HTML，因为我希望所有标题都将其作为副标题存储在单独的文件中，因为以后我想复制相同的文件（但删除一些内容），所以我的想法是将一次解析HTML并一次存储所有标题和子标题，并且根据需要，我将仅获取需要的内容。 有人可以指导我使用哪个库，或者有我可能不知道的更简单，更智能的方法吗？请指导我。 非常感谢。 一个例子可以看作是： `1 INTRODUCTION 1.1 Purpose Some text for purposes 1.2 Terminology Some text for Terminology 2 TESTING 2.1 Dependencies Some text some text some text 2.2 Testing Components Some text some text some text 2.3 Test Architecture Some text some text some text 并且我希望它们像存储在这些文件夹中的所有文本一样，保存在不同的文件夹中。仅按字面意思进行复制和粘贴，但保留正确的文件夹和所有HTML内容。 `/home/user/Projects/HTML_Parser ├── main.py/ │ ├── __init__.py │ ├── db.py │ ├── schema.sql │ ├── auth.py │ ├── blog.py │ ├── templates/ │ └── static/ │ └── style.css ├── 1.INTRODUCTION/ │ ├── 1.1Purpose │ └── 1.2Terminology └── 2.TESTING │ ├── 2.1Dependencies │ └── 2.2TestingComponents └── 2.3TestArchitecture ` 所以我的HTML页面很长。实际上，我将.docx文档转换为HTML，因为我希望所有标题都将其存储在单个文件中，因为以后我希望...

所以我的HTML页面很长。实际上，我将.docx文档转换为HTML，因为我希望所有标题都将其存储在单个文件中，因为以后我希望...