hai mươi bốn
4
Tôi muốn lấy tất cả các thẻ bắt đầu bằng # từ một trang web nhất định: ví dụ: "Tôi thích #stack Overflow vì #people rất #hữu ích!" Điều này sẽ kéo 3 thẻ bắt đầu bằng # vào một bảng. Trong trang web mà tôi nhắm mục tiêu, có một bảng mô tả #tag để chúng ta có thể thấy rằng thẻ #love là về tình yêu
Đây là công việc của tôi:
Trung tâm cá nhân
Điều phát hành
từ bỏ #import thư viện được sử dụng để truy vấn một trang web
nhập urllib2
#chỉ địnhurl
wiki = "https://www.symplur.com/healthcare-hashtags/tweet-chats/all"
#Truy vấn trang web và trả về html cho biến 'trang'
trang = urllib2.urlopen(wiki)
#import Hàm súp đẹp để phân tích dữ liệu được trả về từ
trang web
từ nhập bs4 BeautifulSoup
#Phân tích cú pháp html trong biến 'trang' và lưu trữ nó trong Beautiful Soup
định dạng
súp = BeautifulSoup(trang, "lxml")
in súp.prettify()
s = súp.get_text()
import re
re.findall("#(\w+)", s)
Tôi gặp vấn đề với đầu ra của mình: Đầu tiên là đầu ra trông như thế này: [u'eeeeee', u'333333', u'222222', u'222222', u'222222', u'222222', u '222222' , u'222222', u'222222', u'AASTGrandRoundscut'
Đầu ra nối hashtag với từ đầu tiên trong mô tả. Nếu tôi so sánh với ví dụ tôi đã trích dẫn trước đó thì kết quả là "lovethis".
Làm cách nào tôi chỉ có thể trích xuất một từ sau hashtag.
Cảm ơn
câu trả lời hay nhất
Tôi không nghĩ có nhu cầu sử dụngbiểu thức chính quyĐể phân tích văn bản bạn nhận được từ trang, bạn có thể sử dụngSúp đẹpHãy tự mình phân tích nó. Tôi đang sử dụng Python3.6 trong đoạn mã bên dưới, chỉ để hiển thị toàn bộ mã, nhưng dòng quan trọng là hashtags = soup.findAll('td', {'id':'tweetchatlist_hashtag'}). Lưu ý rằng tất cả các hashtag trong bảng đều có td thẻ và NHẬN DẠNG 属性 = tweetchatlist_hashtag, vì vậy gọi .findTất cả Đó là cách nó diễn ra ở đây:
yêu cầu nhập khẩu
import re
từ nhập bs4 BeautifulSoup
wiki = "https://www.symplur.com/healthcare-hashtags/tweet-chats/all"
trang = request.get(wiki).text
súp = BeautifulSoup(trang, "lxml")
hashtags = soup.findAll('td', {'id':'tweetchatlist_hashtag'})
Bây giờ chúng ta hãy xem mục đầu tiên trong danh sách:
>>> hashtag[0]
#AASTGrandRounds
Vì vậy, chúng tôi thấy rằng điều chúng tôi thực sự muốn làMộtcủatiêu đềGiá trị tài sản:
>>> hashtags[0].a['title']
'#AASTGrandRounds'
Để tiếp tục sử dụng tính năng hiểu danh sách nhằm có được danh sách tất cả các thẻ bắt đầu bằng #:
>>> lst = [hashtag.a['title'] cho hashtag trong hashtag]
Nếu bạn không sử dụng cú pháp hiểu danh sách, dòng trên sẽ trông như thế này:
>>> lst = []
>>> cho hashtag trong hashtag:
lst.append(hashtag.a['title'])
thứ nhất Sau đó, kết quả mong muốn, nhìn vào 20 mục đầu tiên của danh sách:
>>> lst[:20]
['#AASTGrandRounds', '#abcDrBchat', '#addictionchat', '#advocacychat', '#AetnaMyHealthy', '#AlzChat', '#AnatQ', '#anzOTalk', '#AskAvaility', '#ASPChat' , '#ATtalk', '#aughchat', '#AXSChat', '#ayacsm', '#bcceu', '#bccww', '#BCSM', '#benurse', '#BeTheDifference', '#bioethx']
Về python - tag python html, chúng tôi tìm thấy một câu hỏi tương tự trên Stack Overflow: https://stackoverflow.com/questions/45438317/
hai mươi bốn
4
0
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库，但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表，这些数字逻辑上以 3 为一组，其中每个三元组是 (number, __ignored, flag[0 or 1])，例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话，但实际上我还没有找到这个问题的答案。 问题到底是什么？ 我想运行 2 个脚本。在第一个脚本中，我调用另一个脚本，但我希望它们继续并行，而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令，该命令将在 python 2.7.5 中启动一个脚本，然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中，并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹，使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表，对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中，并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较，如下所示， #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块，该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号？” python 检查模块提供了定位行号的选项，但是， def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7，并且由于我的 $PATH 变量，这就是我输入 $ python 时得到的变量。然而，virtualenv 默认使用 Python 2.6，除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行，长度为 176861(即带有一些符号的字母数字字符)，我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表，方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python，我正在尝试制作一个没有任何第 3 方库的网络抓取工具，这样过程对我来说并没有简化，而且我知道我在做什么。我浏览了一些在线资源，但所有这些都让我对某些事情感到困惑。 html 看起来
Tôi là một lập trình viên xuất sắc, rất giỏi!