Python BeautifulSoup 解析

Question

我正在尝试抓取一些内容（我对 Python 非常陌生），但遇到了一个绊脚石。我要抓取的代码是：

<h2><a href="/best-sellers/sj-b9822.html">Spear & Jackson Predator Universal Hardpoint Saw     - 22"</a></h2>
<p><span class="productlist_mostwanted_rrp">    
Was: <span class="strikethrough">£12.52</span></span><span class="productlist_mostwanted_save">Save: £6.57(52%)</span></p>

<div class="clear"></div>

<p class="productlist_mostwanted_price">Now: £5.95</p>

我要抓取的是链接文本（Spear & Jackson 等）和价格（5.95 英镑）。我在 Google、BeautifulSoup 文档和这个论坛上进行了查看，我设法使用以下代码提取了“现在：5.95 英镑”：

for node in soup.findAll('p', { "class" : "productlist_grid_price" }):
     print ''.join(node.findAll(text=True))

但是我追求的结果只是 5.95。我尝试使用以下方法获取链接文本（Spear & Jackson）也取得了有限的成功：

soup.h2.a.contents[0]

当然，这只会返回第一个结果。

我的最终目标是让结果看起来像：

Spear & Jackson Predator Universal Hardpoint Saw - 22 5.95
etc
etc

当我希望将其导出到 csv 时，我需要弄清楚如何将数据放入 2 列中。就像我说我对 python 很陌生，所以我希望这是有道理的。

感谢您的帮助！

非常感谢

Answer 1

我认为您正在寻找的是这样的：

from BeautifulSoup import BeautifulSoup
import re

soup = BeautifulSoup(open('prueba.html').read())
item = re.sub('\s+', ' ', soup.h2.a.text)
price = soup.find('p', {'class': 'productlist_mostwanted_price'}).text
price = re.search('\d+\.\d+', price).group(0)

print item, price

示例输出：

Spear & Jackson Predator 通用硬点锯 - 22" 5.95

请注意，对于商品，正则表达式仅用于删除多余的空格，而对于价格，则用于捕获数字。

Answer 2

html = '''
<h2><a href="/best-sellers/sj-b9822.html">Spear & Jackson Predator Universal Hardpoint Saw     - 22</a></h2>
<p><span class="productlist_mostwanted_rrp">    
Was: <span class="strikethrough">&pound;12.52</span></span><span class="productlist_mostwanted_save">Save: &pound;6.57(52%)</span></p>
<div class="clear"></div>
<p class="productlist_mostwanted_price">Now: &pound;5.95</p>
'''

from BeautifulSoup import BeautifulSoup
import re

soup = BeautifulSoup(html)
desc = soup.h2.a.getText()
price_str = soup.find('p', {"class": "productlist_mostwanted_price" }).getText()
price = float(re.search(r'[0-9.]+', price_str).group())

print desc, price