Python，Beautifulsoup - 根据列表中的项目从标签中提取字符串

Question

我正在尝试搜索网站https://www.livechart.me/winter-2019/tv，以获取本季某些节目目前已播出的剧集数。我通过提取“episode-countdown”标签数据来做到这一点，它给出了“EP11：”之类的东西，然后是一个时间戳，然后我对该字符串进行切片以仅给出数字（在本例中为“11”），然后减去乘以 1 以获取当前已播出的剧集数（因为时间戳是 EP11 播出的时间）。

我有一个我本季正在观看的不同节目的列表，以便过滤我提取剧集倒计时字符串的节目，而不是提取每个节目播出的倒计时。我遇到的最大问题是“episode-countdown”字符串与我正在观看的节目列表的顺序不同。例如，如果我的列表是 [show1, show2, show3, show4]，我可能会按 show3、show4、show1、show2 的顺序获得“episodes-countdown”字符串标记，如果它们在网站上按该顺序列出。

我目前的代码如下：

from bs4 import BeautifulSoup
from urllib.request import Request, urlopen

def countdown():
    html = Request('https://www.livechart.me/winter-2019/tv', headers={'User-Agent': 'Mozilla/5.0'})
    page = urlopen(html)
    soup = BeautifulSoup(page, 'html.parser')
    shows = ['Jojo no Kimyou na Bouken: Ougon no Kaze', 'Dororo', 'Mob Psycho 100 II', 'Yakusoku no Neverland']
    for tag in soup.find_all('article', attrs={'class': 'anime'}):
        if any(x in tag['data-romaji'] for x in shows):
            rlist = tag.find('div', attrs={'class': 'episode-countdown'}).text
            r2 = rlist[:rlist.index(":")][2:]
            print('{} has aired {} episodes so far'.format(tag['data-romaji'], int(r2)-1))

网站上列出的每个节目都在“文章”标签内，因此对于 soup.find_all() 语句中的每个节目，如果“data-romaji”（网站上列出的节目名称）与在我的“节目”列表中显示，然后我提取“episode-countdown”字符串，然后将字符串切成前面解释的数字，然后打印以确保我做得正确。

如果您访问网站，列出节目的顺序是“Yakusoku no Neverland”，“Mob Psycho”，“Dororo”和“Jojo”，这是您获取情节倒计时字符串的顺序如果你运行代码。我想要做的是按我的“节目”列表的顺序排列，这样我就有一个节目列表和一个播放的剧集列表彼此匹配。我想将剧集播出列表添加为我当前正在构建的 pandas 数据框中的一列，因此它与“节目”列不匹配将是一个问题。

我有没有办法根据我的“节目”列表的顺序而不是网站上使用的顺序来提取“episode-countdown”字符串（如果有道理的话）？

Answer 1

这就是你要找的吗？

from bs4 import BeautifulSoup
from urllib.request import Request, urlopen
import pandas as pd


html = Request('https://www.livechart.me/winter-2019/tv', headers={'User-Agent': 'Mozilla/5.0'})
page = urlopen(html)
soup = BeautifulSoup(page, 'html.parser')

shows = ['Jojo no Kimyou na Bouken: Ougon no Kaze', 'Dororo', 'Mob Psycho 100 II', 'Yakusoku no Neverland']
master = []


for show in shows:
    for tag in soup.find_all('article', attrs={'class': 'anime'}):
    show_info = []
    if show in tag['data-romaji']:
        show_info.append(tag['data-romaji'])
        rlist = tag.find('div', attrs={'class': 'episode-countdown'}).text
        r2 = rlist[:rlist.index(":")][2:]
        show_info.append(r2)
        master.append(show_info)


 df=pd.DataFrame(master,columns=['Show','Episodes'])
 df

输出：

    Show    Episodes
  0     Jojo no Kimyou na Bouken: Ougon no Kaze     23
  1     Dororo                                      11
  2     Mob Psycho 100 II                           11
  3     Yakusoku no Neverland                       11