Как найти расстояние между 2 элементами в HTML, используя Beautifulsoup

Question

Как найти расстояние между 2 элементами в HTML, используя Beautifulsoup

0

Цель состоит в том, чтобы найти расстояние между двумя тегами, например, первый внешний атрибут href и тег title, используя BeautifulSoup.

html = '<title>stackoverflow</title><a href="https://stackoverflow.com">test</a>'
soup = BeautifulSoup(html)
ext_link = soup.find('a',href=re.compile("^https?:",re.IGNORECASE))
title = soup.title
dist = abs_distance_between_tags(ext_link,title)
print dist
30

Как мне это сделать без использования регулярного выражения?

Обратите внимание, что порядок тегов может отличаться, и может быть более одного совпадения (хотя мы принимаем только первое использование find()).

Я не смог найти метод в BeautifulSoup, который возвращает местоположения/позиции в html совпадений.

Dave 15 апр. 2014, в 03:32

Источник

0

Какой тип "расстояния"? Количество тегов между ними? Зависит от того, как именно вы хотите их посчитать. Пиксели на экране? Зависит от браузера, на который вы ориентируетесь. Что-то другое?
Christian Aichinger 15 апр. 2014, в 00:48
0

Извините, я имел в виду количество символов строки между ними, в примере положение s в стеке потока до h в https.
Dave 15 апр. 2014, в 00:55
0

Я не понимаю твоего отвращения к регулярным выражениям. Вы можете использовать ext_link = soup.find(lambda x: x.name == "a" and (x["href"].startswith("http:") or x["href"].startswith("https:"))) , но это уродливее и менее гибко.
dilbert 15 апр. 2014, в 01:56
1

Обычно анализ HTML / XML с помощью регулярных выражений ужасен, но в этом случае это может быть вашим лучшим выбором.
dstromberg 15 апр. 2014, в 02:05

Показать ещё 2 комментария

Теги:

python

html

beautifulsoup

1 ответ

Ещё вопросы

Какой тип "расстояния"? Количество тегов между ними? Зависит от того, как именно вы хотите их посчитать. Пиксели на экране? Зависит от браузера, на который вы ориентируетесь. Что-то другое?
Извините, я имел в виду количество символов строки между ними, в примере положение s в стеке потока до h в https.
Я не понимаю твоего отвращения к регулярным выражениям. Вы можете использовать ext_link = soup.find(lambda x: x.name == "a" and (x["href"].startswith("http:") or x["href"].startswith("https:"))) , но это уродливее и менее гибко.
Обычно анализ HTML / XML с помощью регулярных выражений ужасен, но в этом случае это может быть вашим лучшим выбором.

Christian Aichinger · Accepted Answer · 2014-04-14T23-13-00.000Z

Как вы отметили, похоже, что вы не можете получить точное положение символа в BeautifulSoup.

Возможно, этот ответ может помочь вам:

AFAIK, lxml предлагает только sourceline, чего недостаточно. Cf API: Original line number as found by the parser or None if unknown.

Но expat обеспечивает точное смещение в файле: CurrentByteIndex.

Выбранный из обработчика start_element, он возвращает начало тега (т.е. "<").

Полученный из обработчика char_data, он возвращает начало данных (т.е. "B" в вашем примере).