如何使用Python在html页面中提取带有搜索词的内容答案

【问题标题】：How to extract content with search words in html page using Python如何使用Python在html页面中提取带有搜索词的内容
【发布时间】：2020-09-28 11:10:19
【问题描述】：

在html页面中，有多个

，想打印匹配单词的上下文

<pre>
currently missing servers:
 vm1 vm2 vm3
currently shutdown servers:
 vm4 vm5 vm6
</pre>
<pre>
Prod server:
 prdvm1 prodvm2
</pre>

从上面的输出，只想打印

currently missing servers:
  vm1 vm2 vm3

【问题讨论】：

请提供您从中提取此数据的 URL。
这是内部服务器，网址不可公开访问。我必须将该网页中的 UTC 与实时 UTC 值进行比较。我已经粘贴了 URL 显示的 .html 内容

标签： python html

【解决方案1】：

此答案根据您给出的 html 为您提供了您所要求的内容。但如果 html 发生更改，它可能无法为您提供正确的结果。

import requests
from bs4 import BeautifulSoup
URL = ""            #Give your URL here
r = requests.get(URL)
soup = BeautifulSoup(r.content, 'html5lib')
blockquote = soup.find_all('blockquote')[0]
strong = blockquote.find_all('strong')
for element in strong:
    element.extract()
blockquote = blockquote.text.split(', ')[1].split(' ')[1]
print(blockquote)

【讨论】：

它有帮助，我在我的设置中将 html5lib 更改为 hrml.parser。我需要将实时 UTC 与从上述脚本中提取的 UTC 进行比较。如果 .html UTC 时间小于实时 UTC 5 分钟，我需要创建警报
from datetime import datetime import requests from bs4 import BeautifulSoup URL = "MY_URL" r = requests.get(URL) soup = BeautifulSoup(r.content, 'html.parser') blockquote = soup.find_all('blockquote')[0] strong = blockquote.find_all('strong') for element in strong: element.extract() jprt_time = blockquote.text.split(', ')[1].split(' ')[1] now = datetime.now() utc_now = datetime.utcnow() utc = utc_now.strftime("%H:%M:%S") print(utc) print(jprt_time) if jprt_time == utc: print ("PROD is running fine") else: print("PROD is down")
请格式化您的代码。以便对其他人有用。
Stackoverflow 评论部分不允许格式化，否则我已将我的问题添加为“回答您的问题”
简而言之，我正在尝试使用“timedelta”将提取的输出与实时进行比较，如果差异大于 5 分钟，则需要发送警报“如果 jprt_time

【解决方案2】：

试试这个：

import re

from bs4 import BeautifulSoup

html = """
  <meta http-equiv="Pragma" content="no-cache">
  <meta http-equiv="Expires" content="-1">
  <meta http-equiv="Cache-Control" content="no-cache">
  <meta http-equiv="refresh" content="60" >
  <html> 
      <title>PROD> VM</title>
      <h1>Production VM</h1>
      <blockquote> 
          <strong>As of:</strong>Monday September 7, 2020 12:12:35 UTC, Mon-12:12:35-GMT <br>
          <strong>Wiki: <a href="http:proddashboard.com"</a></strong>
   </blockquote>
"""

soup = BeautifulSoup(html, "html.parser").find("blockquote").getText()
_time = re.findall(r'\d+:\d+:\d+\sUTC', soup)
print(_time)

输出：

['12:12:35 UTC']

编辑：

基于 OP 的 cmets，这是一种更新的方法：

from datetime import datetime, timedelta
import re

from bs4 import BeautifulSoup

html = """
  <meta http-equiv="Pragma" content="no-cache">
  <meta http-equiv="Expires" content="-1">
  <meta http-equiv="Cache-Control" content="no-cache">
  <meta http-equiv="refresh" content="60" >
  <html> 
      <title>PROD> VM</title>
      <h1>Production VM</h1>
      <blockquote> 
          <strong>As of:</strong>Monday September 7, 2020 12:12:35 UTC, Mon-12:12:35-GMT <br>
          <strong>Wiki: <a href="http:proddashboard.com"</a></strong>
   </blockquote>
"""
soup = BeautifulSoup(html, "html.parser").find("blockquote")
result = ''.join(re.findall(r'As of:(.*)\sUTC', soup.getText()))
date = datetime.strptime(result, "%A %B %d, %Y %H:%M:%S")

if date < datetime.utcnow() - timedelta(minutes=5):
    print("PROD is running")
else:
    print("PROD is not running")

输出：PROD is running

【讨论】：

谢谢，如果有相同的标签示例，使用 Beatifulsoup
```
abc
```
```
def
```
如何识别内容和打印。
使用示例 HTML 和所需输出编辑您的问题，我会看看。
另外，如果您觉得答案有用，请考虑投票和/或接受它。

 当前缺少服务器：vm1 vm2 vm3 当前关闭服务器：vm4 vm5 vm6

 Prod 服务器：prdvm1 prodvm2

我只想打印“Currently Missing clients vm1 vm2 vm3"

我正在尝试格式化 HTML，但在“添加评论”中没有这样做的选项