html-parsing

7熱

1答えて

WebサイトからHTMLファイルを読みたい。具体的には、私はgutenberg.orgからHTML形式の書籍を読んでいます。各章のタイトルはタグ「h2」でマークされ、各章の内容は「h2」の後の段落タグ「p」の後に続きます。パッケージXMLを使用して、各タグの値または完全なHTMLコードを取得できます。ここでは、ジョージ・エリオットのミドルマーチを使用してサンプルコードです： library(XM

16熱

1答えて

Python BeautifulSoupスクラップテーブル

BeautifulSoupでテーブルスクレイプを作成しようとしています。私はこのPythonコードを書きました：私はNome、Cognome、Emailをこすります。表の行（trタグ）上

5熱

2答えて

BeautifulSoupの属性に基づいて画像を抽出しています

BeautifulSoupを使用してIMDbからHTMLページを取得していますが、そのページからポスター画像を抽出したいと思います。私は属性の1つに基づいてイメージを持っていますが、その中のデータを抽出する方法はわかりません。 - ミスだけのカップルあなたはほとんどそこにいる url = 'http://www.imdb.com/title/tt%s/' % (id) soup = Beauti

6熱

1答えて

VBScriptのHtml文字列（Not File）を解析します。

私はhtml文字列を持っています（ファイルを一切持たず、文字列をhtmlファイルとして保存してからロードしたくありません）。特定のタグ間のリンクとテキスト私は検索しようとしましたが、運が見つかりませんでした。誰かが私にこの問題の解決を手伝ってもらえますか？ありがとうございます。

5熱

2答えて

BeautifulSoupは複合クラス名で検索するときに空のリストを返します

BeautifulSoupは、正規表現を使用して複合クラス名で検索すると空のリストを返します。例： import re from bs4 import BeautifulSoup bs = """ <a class="name-single name692" href="www.example.com"">Example Text</a> """ bsOb

15熱

2答えて

lxmlをデフォルトとして設定BeautifulSoupパーサー

私はウェブスクレイピングプロジェクトに取り組んでおり、スピードに問題がありました。それを修正しようとすると、html.parserの代わりにlxmlをBeautifulSoupのパーサとして使用したいと考えています。私はこれを行うことができました： soup = bs4.BeautifulSoup(html, 'lxml') が、私は繰り返し、私はBeautifulSoupを呼び出すたびに'l

5熱

2答えて

PHPタグ内に変数を含まない二重引用符付きの文字列を一致させる正規表現

基本的に、内部に変数を入れずにPHPタグ内のすべての二重引用符を一致させる正規表現が必要です。ここでは、私がこれまで持っているものです。 "([^\$\n\r]*?)"(?![\w ]*') とで置き換える： '$1' しかし、これは同様にPHPタグ外のものにマッチする、例えばHTML属性。例の場合： <a href="somelink" attribute="value">Here'

5熱

1答えて

PythonでBeautifulSoupで直接親タグを取得

私はこの質問を調査しましたが、これを解決する実際の解決策は見当たりませんでした。私はPythonでBeautifulSoupを使用しています。私が探しているのは、ページからすべてのイメージタグを取得し、それぞれをループし、それぞれが直接の親がアンカータグであるかどうかを確認することです。この上 html = BeautifulSoup(responseHtml) for image in ht

12熱

2答えて

PhotoSwipe：編集parseThumbnailElementsは、サムネイルのギャラリーのマークアップは次のようになりますPhotoSwipeを使用して、追加のマークアップ要素

を解析する機能： <div class="wrap clearfix"> <div class="my-gallery" itemscope itemtype="http://schema.org/ImageGallery"> <ul class="gallery-grid"> <li> <figure itemprop="associatedMedi

6熱

3答えて

NokogiriでURLのメタタグを解析してスクラップするにはどうすればよいですか？

私は<h1>と<title>タグ、を引っ張って鋸山を使用していますが、私は悩みこれらを取得して過ごしています：私は「ドキュメントで見てなかったの url = 'https://en.wikipedia.org/wiki/Emma_Watson' page = Nokogiri::HTML(open(url)) puts page.css('title')[0].text puts page