V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
dfgxcvbcv
V2EX  ›  Python

Python 有现成的包可以把以下内容文本解析为 dict 吗?如果没有,最佳解析方法是什么?

  •  
  •   dfgxcvbcv · 2022-05-19 04:10:41 +08:00 · 2413 次点击
    这是一个创建于 897 天前的主题,其中的信息可能已经有所发展或是发生改变。

    输入内容:

    input='''
    <div>姓名: example</div><br />年龄    :23
    介绍 :<b>example</b>11<a href="example.com">1111</a><br>属性 1:内容
    '''
    

    想转化为一个 dict

    output={"姓名":"example", "年龄": "23","介绍":"<b>example</b>11<a href="example.com">1111</a>","属性 1":"内容"}
    

    项数 换行方式 冒号(全 /半角)都不是固定的。虽然手动解析没什么难度,但有没有现成的可以直接用的包?如果没有,最佳解析方法是什么?

    7 条回复    2022-05-19 13:44:03 +08:00
    q409195961
        1
    q409195961  
       2022-05-19 04:30:03 +08:00
    <br />和<br>都替换成\n

    中文冒号替换成英文冒号

    split 以“\n”拆成数组

    截出英文冒号前面做 key ,后面做 value

    key 和 value 用 strip 去除多余空格

    插入 dict
    abc612008
        2
    abc612008  
       2022-05-19 05:58:06 +08:00
    OpenAI (doge

    ![openai]( )

    绿色部分是 AI 生成的,其它的是我给的例子。
    https://openai.com/api/
    ebingtel
        3
    ebingtel  
       2022-05-19 09:02:08 +08:00
    找 beautifulsoup 的库,对 html 进行解析,提取出 text ,再用 1L 的方法,转一下
    dfgxcvbcv
        4
    dfgxcvbcv  
    OP
       2022-05-19 09:39:47 +08:00 via iPhone
    @abc612008 #2 AI 好强,但我数据量比较大,效率有点低
    @ebingtel #3 bs 提取 text 的话样式和链接就丢了
    dfgxcvbcv
        5
    dfgxcvbcv  
    OP
       2022-05-19 09:40:34 +08:00 via iPhone
    #1 目前做法就是这样的,想问问有没有更好的实现 (号太新了 1 楼的用户名 @ 不了)
    huntagain2008
        6
    huntagain2008  
       2022-05-19 10:11:05 +08:00
    @q409195961 小白我按照 1 楼的方法做出来了。我根本不会 python

    >>> for i in list1:
    ... d[i.split(':')[0].strip()]=i.split(':')[1].strip()
    ...
    >>> d
    {'姓名': 'example', '年龄': '23', '介绍': '<b>example</b>11<a href="example.com">1111</a>', '属性 1': '内容'}
    learningman
        7
    learningman  
       2022-05-19 13:44:03 +08:00 via Android
    不完整的 xml ,那就上 lxml 呗
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1294 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 35ms · UTC 23:32 · PVG 07:32 · LAX 16:32 · JFK 19:32
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.