如何存储解析的 html 的结果？

Question

我正在使用 Python 的 HTMLParser 和 BeautifulSoup 来解析 Yahoo 财务数据。已经有一个非常好的包可以做到这一点，但它没有得到“有形价格/账面价值”，也就是说它在计算账面价值时包括商誉和其他无形资产。因此，我不得不推出自己的解决方案。

它并不漂亮。这是代码

from BeautifulSoup import BeautifulSoup
import urllib2
from HTMLParser import HTMLParse

class data(HTMLParser):
    def handle_data(self, data):
        print data
parser = data()

url='http://finance.yahoo.com/q/bs?s=BAC&annual'
response = urllib2.urlopen(url)
html = response.read()
soup=BeautifulSoup(html)
tangibles=[str(parser.feed(str(soup('strong')[24:26])))]

这有两个问题： 1）我依赖数据总是在雅虎页面的同一个地方，这不是最大的问题，但并不让我开心 和， 2) 真正的问题；

 tangibles=[str(parser.feed(str(soup('strong')[24:26])))]

是一个空列表，因为“数据”类只是打印我想要的东西而不是存储它。

如果您为我回答第 2 部分），我会很高兴。我还不懂课。

Answer 1

摆脱数据和解析器并支持导入然后执行此操作。

tangibles = [''.join(node(text=True)).strip() for node in soup('strong')[24:26]]

我基本上将其更改为使用一些 python 列表理解。 Read more here if you are not aware of what list comprehension is in Python

本质上它做了这些事情：

1. 告诉soup 找到标记为strong 的元素并为每个实例命名node for node in soup.findAll('strong')[24:26]
2. 在node 中，它会找到并完全删除强标签node.findAll(text=True) Beautiful soup docs about text=True

3. 加入 node 中的元素，因此它的 1 个元素而不是长度为 1 个元素的列表 ''.join()（python 技巧）

   即['Net Stuff', '152,113,000'] vs [['Net Stuff'], ['152,113,000']]

4. 删除多余的空格（尾随和前导）.strip()