【问题标题】：Delete repeated words in a row Python删除一行重复的单词 Python
【发布时间】：2018-11-20 06:17:53
【问题描述】：

原来我用的是beautifulsoup，在表格中过滤时，得到的数据如下：

["<td>9111/2018 2222/18</td>", '<td style="font-size: small;">AINDUSTRIAL </td>', 
 "<td>18-05-2018</td>", "<td>Juz. 5 Posá<td>POSA</td></td>", 
 "<td>POSA</td>"]

我只需要提取表示"Juz 5. Posá" 的"<td>"（尽管对于我正在做的事情，名称会有所不同），但我只需要该列。我留下代码，因为我设法使输出是：

Juz. 5 PosáPOSA

我只需要 Juz。 5 Posá，但不幸的是我击中了另一个词。然后是代码，当然，非常感谢！

soup = BeautifulSoup(html.text,from_encoding="utf-8")

table = soup.findChildren('table')[0]
for row in table.find_all("tr")[1:]:
    col = row.find_all("td")
    print(col[3].text.replace('\n',''))
    if not cells:
        continue

【问题讨论】：

不是真正的问题：continue 什么都不做，而是跳到下一个迭代而不执行它后面的语句。如果条件满足，您似乎没有任何语句可以跳过。
但是，为什么 beautifulsoup 过滤了我 Juz。 5 Post POSA 如果事实上，在表格中，它们是分开的： juz。 5 波萨波萨

标签： python beautifulsoup screen-scraping

【解决方案1】：

不确定这是否是您要找的，但这里有两个解决方案。

解决方案 #1

递归删除字符“、/、td”

for i in range(len(x)):
  x = x.replace("<", "")
  x = x.replace(">", "")
  x = x.replace("/", "")
  x = x.replace("td", "")
print(x)

或

解决方案 #2

首先选择列表项[3]

x = x[3]

从字符串中选择前 4 个字符，因为它以

开头

x = x[4:]

然后找到“

print(x[:x.index("<")])

【讨论】：

您好，谢谢您的回复，但是...我已经意识到 html 是如何带来的，发生的事情是我看到的是它没有关闭 td，即它检查我放的 td，你会注意到“ Juz 5 Posá POSA ”没有关闭我需要的 td，有什么方法可以解决它？
我的上帝，我写了你给我的东西，我还没有尝试过。现在我尝试了，它可以正常工作。太感谢了！说真的，我被卡住了。我真的很惊讶它只有一个.replace。再次非常感谢@MFK34