¿Cuál es esta función haciendo en Python que involucra urllib2 y BeautifulSoup?
Pregunta
Así que he hecho una pregunta anterior acerca de la recuperación de las puntuaciones altas formar una página HTML y otro usuario me dio el código siguiente para ayudar. Soy nuevo en Python y BeautifulSoup así que estoy tratando de ir a través de algunos otros códigos pieza por pieza. Entiendo la mayor parte de ella, pero no me llevo lo que este pedazo de código es y cuál es su función:
def parse_string(el):
text = ''.join(el.findAll(text=True))
return text.strip()
Aquí está el código completo:
from urllib2 import urlopen
from BeautifulSoup import BeautifulSoup
import sys
URL = "http://hiscore.runescape.com/hiscorepersonal.ws?user1=" + sys.argv[1]
# Grab page html, create BeatifulSoup object
html = urlopen(URL).read()
soup = BeautifulSoup(html)
# Grab the <table id="mini_player"> element
scores = soup.find('table', {'id':'mini_player'})
# Get a list of all the <tr>s in the table, skip the header row
rows = scores.findAll('tr')[1:]
# Helper function to return concatenation of all character data in an element
def parse_string(el):
text = ''.join(el.findAll(text=True))
return text.strip()
for row in rows:
# Get all the text from the <td>s
data = map(parse_string, row.findAll('td'))
# Skip the first td, which is an image
data = data[1:]
# Do something with the data...
print data
Solución
el.findAll(text=True)
devuelve todo el texto contenido en un elemento y sus sub-elementos. Por el texto me refiero a todo lo que no dentro de una etiqueta; por lo que en <b>hello</b>
luego "hola" sería el texto, pero <b>
y </b>
haría no.
Por consiguiente, esta función une todo el texto se encuentra por debajo del elemento y tiras determinado espacio en blanco fuera de la parte delantera y trasera.
Aquí hay un enlace a la documentación findAll
: http: // www .crummy.com / software / BeautifulSoup / documentation.html # arg-texto