dividir una lista separada por comas con los enlaces con BeautifulSoup
-
11-09-2019 - |
Pregunta
Tengo una lista separada por comas en una celda de la tabla en un documento HTML, pero algunos de los elementos de la lista están unidas:
<table>
<tr>
<td>Names</td>
<td>Fred, John, Barry, <a href="http://www.example.com/">Roger</a>, James</td>
</tr>
</table>
He estado usando hermosa sopa para analizar el HTML, y puedo llegar a la mesa, pero ¿cuál es la mejor manera de dividir y volver una estructura de datos más o menos así:
[
{'name':'Fred'},
{'name':'John'},
{'name':'Barry'},
{'name':'Roger', 'url':'http://www.example.com/'},
{'name':'James'},
]
Solución
Esta es una manera que podría hacerlo:
import BeautifulSoup
soup = BeautifulSoup.BeautifulSoup('''<table>
<tr>
<td>Names</td>
<td>Fred, John, Barry, <a href="http://www.example.com/">Roger</a>, James</td>
</tr>
</table>''')
result = []
for tag in soup.table.findAll('td')[1]:
if isinstance(tag, BeautifulSoup.NavigableString):
for name in tag.string.split(','):
name = name.strip()
if name:
result.append({ 'name': name })
else:
result.append({ 'name': tag.string.strip(), 'url': tag["href"] })
print result
Licenciado bajo: CC-BY-SA con atribución
No afiliado a StackOverflow