python - 从用 python 读取的网页中读取一些内容

Question

我正在尝试从 web 的 python 模块中读取一些数据。

我设法阅读，但在解析这些数据和获取所需信息时遇到一些困难。

我的代码如下。感谢您的帮助。

#!/usr/bin/python2.7 -tt

import urllib
import urllib2

def Connect2Web():
  aResp = urllib2.urlopen("https://uniservices1.uobgroup.com/secure/online_rates/gold_and_silver_prices.jsp");
  web_pg = aResp.read();

  print web_pg

#Define a main() function that prints a litte greeting
def main():
  Connect2Web()

# This is the standard boilerplate that calls the maun function.
if __name__ == '__main__':
    main()

当我打印这个 web page我打印了整个网页。

我想从中提取一些信息(例如 "SILVER PASSBOOK ACCOUNT" 并从中获取汇率)，我在解析此 html 文档时遇到了一些困难。

Answer 1

不推荐使用RE来匹配XML/HTML。但是，它有时可以工作。最好使用 HTML 解析器和 DOM API。这是一个例子:

import html5lib
import urllib2

aResp = urllib2.urlopen("https://uniservices1.uobgroup.com/secure/online_rates/gold_and_silver_prices.jsp")
t = aResp.read()
dom = html5lib.parse(t, treebuilder="dom")
trlist = dom.getElementsByTagName("tr")
print trlist[-3].childNodes[1].firstChild.childNodes[0].nodeValue

您可以遍历 trlist 来查找您感兴趣的数据。

添加自评论: html5lib 是第三方模块。参见 html5lib site . easy_install 或 pip 程序应该能够安装它。