python - BeautifulSoup:对父元素和子元素进行分类-6ren

python - BeautifulSoup:对父元素和子元素进行分类

转载作者：行者123 更新时间：2023-12-03 23:08:36

27

4

我有一个关于 Python 3 中的 BeautifulSoup 的问题。我花了几个小时尝试，但我还没有解决它。

这是我的汤:

print(soup.prettify())
# REMEMBER THIS SOUP IS DYNAMIC
# <html>
#  <body>
#   <div class="title" itemtype="http://schema.org/FoodEstablishment">
#    <div class="address" itemtype="http://schema.org/PostalAddress">
#      <div class="address-inset">
#        <p itemprop="name">33 San Francisco</p>
#      </div>
#    </div>
#    <div class="image">
#      <img src=""/>
#      <span class="subtitle">image subtitle</p>
#    </div>
#    <a itemprop="name">The Dormouse's story</a>
#   </div>
#  </body>
# </html>

我必须通过 itemprop="name" 提取两个文本: The Dormouse's story和 33 San Francisco但是我想要定义什么类是父类的方法。

预期输出:

{
   "FoodEstablishment": "The Dormouse's story",
   "PostalAddress": "33 San Francisco"
}

请记住，汤总是充满活力的，其中包含许多 child 元素。

最佳答案

我获取每个标签的项目类型和内容，然后使用更新创建一个字典。

from bs4 import BeautifulSoup

html = """<html>
 <body>
  <div class="title" itemtype="http://schema.org/FoodEstablishment">
     <div class="address" itemtype="http://schema.org/PostalAddress">
     <p itemprop="name">33 San Francisco</p>
   </div>
   <p itemprop="name">The Dormouse's story</p>
  </div>

 </body>
</html>
"""
d = {}
soup = BeautifulSoup(html, 'html.parser')
for item in soup.findAll("div"):
    # get the last string in itemtype separated by /
    itemType = item.get("itemtype").split('/')[-1]
    # remove newline(\n) from contents
    itemProp = list(filter(lambda a: a != '\n', item.contents))
    # create a dictionary of key: value
    d.update({itemType: itemProp[-1].text}) 

print(d)

Result: {'FoodEstablishment': "The Dormouse's story", 'PostalAddress': '33 San Francisco'}

关于python - BeautifulSoup:对父元素和子元素进行分类，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/60604719/

27

4

0

文章推荐： python - groupby 并根据另一列的值保留一列的信息

文章推荐： pandas - Pandas 中的子字符串列基于另一列

文章推荐： ffmpeg - 如何让ASS字幕中的单词一次出现一个？

具有混合数据类型(文本、数字、分类)的 Python scikit-learn 分类
我正在尝试使用 Pandas 和 scikit-learn 在 Python 中执行分类。我的数据集包含文本变量、数值变量和分类变量的混合。假设我的数据集如下所示: Project Cost
r - 分类/二进制数据总和的直方图
我想要一种图形化且有吸引力的方式来表示二进制数据的列总和，而不是表格格式。我似乎无法让它发挥作用，尽管有人会认为这将是一次上篮。数据看起来像这样(我尝试创建一个可重现的示例，但无法让代码填充 0 和
Django 分类、子分类和子分类
我有一个简单的类别模型: class Category(models.Model): name = models.CharField(max_length=200) slug = mo
通过给类加分来进行 Prolog 分类
我正在开发一个知识系统，当用户进入一道菜时，该系统可以返回酒。我的想法是根据用户的输入为每个葡萄酒类别添加分数，然后显示最适合的葡萄酒类别的前 3 个。例如，如果有人输入鱼，那么知识库中的所有红葡萄酒
r - 分类 - 因子水平的使用
我目前正在研究流失问题的预测模型。每当我尝试运行以下模型时，都会收到此错误:至少一个类级别不是有效的 R 变量名称。这将在生成类概率时导致错误，因为变量名称将转换为 X0、X1。请使用可用作有效 R
r - 如何根据另一个栅格网格单元值对栅格进行子集(分类)？
如何对栅格重新分类(子集)r1 (与 r2 具有相同的尺寸和范围)基于 r2 中的以下条件在给定的示例中。条件: 如果网格单元格值为 r2是 >0.5 ，保留>0.5中对应的值以及紧邻0.5个值的相
Java 分类 - 什么是最好的方法
我想知道在 java 中进行以下分类的最佳方法是什么。例如，我们有一个简单的应用程序，其分类如下: 空气 -----电机类型 -----------平面对象 -----非电机型 -----------
r - 分类/决策树和选择分割
这是一个非常基本的示例。但我正在做一些数据分析，并且不断发现自己编写非常类似的 SQL 计数查询来生成概率表。我的表被定义为值 0 表示事件未发生，而值 1 表示事件确实发生。 > sqldf(
python - 我将如何进行图像标记/分类？
假设我有一组护照图像。我正在开展一个项目，我必须识别每本护照上的姓名，并最终将该对象转换为文本。对于标签(或分类(我认为是初学者))的第一部分，每本护照上都有姓名，我该怎么做？我可以使用哪些技术/
c++ - 如何解决这个图像处理问题——分类
我有这张图片: 我想做的是在花和树之间对这张图片进行分类，这样我就可以找到图片中被树木覆盖的区域，以及被那些花覆盖的区域。我在想这可能是某种 FFT 问题，但我不确定它是如何工作的。单个花的 FFT
python - 二进制数据集的特征选择(分类)
我的数据集有 32 个分类变量和一个数值连续变量(sales_volume) 首先，我使用单热编码 (pd.get_dummies) 将分类变量转换为二进制，现在我有 1294 列，因为每一列都有多个
python - 如何改进神经网络预测、分类
我正在尝试学习一些神经网络来获得乐趣。我决定尝试从 kaggle 的数据集中对一些神奇宝贝传奇卡进行分类。我阅读了文档并遵循了机器学习掌握指南，同时阅读了媒体以尝试理解该过程。我的问题/疑问:我尝试
python - 分类:推文情感分析——步骤顺序
我目前正在进行推文情绪分析，并且有几个关于步骤的正确顺序的问题。请假设数据已经过相应的预处理和准备。所以这就是我将如何进行: 使用 train_test_split(80:20 比例)停止测试数据集。
r - 带有插入符号问题的 Text2Vec 分类
一些上下文:Working with text classification and big sparse matrices in R 我一直在研究 text2vec 的文本多类分类问题。包装和 ca
r - 分层(分类)数据到树状图
数据我有以下(简化的)数据集，我们称之为 df从现在开始: species rank value 1
Python 时间序列坐标的二值 RNN 分类
我一直在尝试创建一个 RNN。我总共有一个包含 1661 个单独“条目”的数据集，每个条目中有 158 个时间序列坐标。以下是一个条目的一小部分: 0.00000000e+00 1.9260968
machine-learning - 机器学习的回归、分类
我有一个关于机器学习的分类和回归问题。第一个问题，以下数据集 http://it.tinypic.com/view.php?pic=oh3gj7&s=8#.VIjhRDGG_lF 我们可以说，数据集是
matlab - Libsvm 分类 MATLAB
我用1~200个数据作为训练数据，201~220个作为测试数据格式如下:3 个类(类 1、类 2、类 3)和 20 个特征 2 1:100 2:96 3:88 4:94 5:96 6:94 7:72
machine-learning - 分类:添加一个新变量并计算改变类输出的概率
我有 2 个基于多个数字特征(例如 v1….v20)的输出类别(好和差)。如果 v1、v2、v3 和 v4 为“高”，则该类别为“差”。如果 v1、v2、v3 和 v4 为“低”，则该类别为“好”
python - 具有变化的先验概率的文本数据集的多类 NaiveBayes 分类
我遇到了使用朴素贝叶斯将文档分类为各种类别问题的问题。实际上我想知道 P(C) 或我们最初掌握的类别的先验概率会随着时间的推移而不断变化。例如，对于类(class) - [音乐、体育、新闻] 初始概

首页

博学

6Ren·AI

商城

python - BeautifulSoup:对父元素和子元素进行分类