python - HTMLページから特定のコンテンツを抽出する

Question

次のようなhtmlページのソースがあるとします。

<p><font face="Arial" color="#400040"><small><strong>

<a href="some_link">description</a>: </strong>some text.</small></font></p>

「説明の部分を抽出したいのですが、どうすればよいですか。これを行うには、非常にPython的な方法があると思います。ありがとうございます。

Answer 1

BeautifulSoupを入手してください。それで：

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(your_text)
description = soup.find('a').string

タグを一意に識別するために、最後の行を変更する必要がある場合があります。

Answer 2

BeautifulSoup を使用できます。ドキュメントのこの例を参照してください。

from bs4 import BeautifulSoup
html_doc = '''<p><font face="Arial" color="#400040"><small><strong>

<a href="some_link">description</a>: </strong>some text.</small></font></p>
'''
soup = BeautifulSoup(html_doc)
for link in soup.find_all('a'):
    print(link.get('href'))

Answer 3

Beautifulsoupを使用してください。

>>> from BeautifulSoup import BeautifulSoup
>>> html = '<p><font face="Arial" color="#400040"><small><strong><a href="some_link">description</a>: </strong>some text.</small></font></p>'
>>> soup = BeautifulSoup(html)
>>> soup.find('a', text=True)
u'description'

複数のタグがある場合（おそらくそうなるでしょう）、次のことができます。

>>> for link in soup.findAll('a'):
...     print link.text