从HTML标签获得数字

我想从这个链接得到号在“间距”标签：http://python-data.dr-chuck.net/comments_42.html 从HTML标签获得数字

的数据是这样的：

<tr><td>Modu</td><td><span class="comments">90</span></td></tr> 
<tr><td>Kenzie</td><td><span class="comments">88</span></td></tr> 
<tr><td>Hubert</td><td><span class="comments">87</span></td></tr>

下面的代码：

import urllib 
from BeautifulSoup import * 

url = raw_input('Enter - ') 
html = urllib.urlopen(url).read() 

soup = BeautifulSoup(html) 

# Retrieve all of the anchor tags 
tags = soup('span') 


numbers = [number.contents[0] for number in tags] 
print numbers

当我打印numbers，它显示是这样的：

[u'97', u'97', u'90', u'90', u'88', u'87', u'87', u'80', u'79', u'79', u'78', u'76', u'76', u'72', u'72', u'66', u'66', u'65', u'65', u'64', u'61', u'61', u'59', u'58', u'57', u'57', u'54', u'51', u'49', u'47', u'40', u'38', u'37', u'36', u'36', u'32', u'25', u'24', u'22', u'21', u'19', u'18', u'18', u'14', u'12', u'12', u'9', u'7', u'3', u'2']

为什么它得到那些你的？我的目标是抛弃那些没有你的字符串并获得它们的总和。

来源

2016-12-26 Guilherme Maia

列表项都是unicode的类型，您可以将列表项转换为字符串，象下面这样：

numbers = [str(number.contents[0]) for number in tags]

综上所述列表项，您需要将其转换为整数，而不是字符串：

numbers = [int(number.contents[0]) for number in tags] 
s = sum(numbers)

输出：

>>> my_list = [u'97', u'97', u'90', u'90', ...] 
>>> 
>>> [str(item) for item in my_list] 
['97', '97', '90', '90', ...] 
>>> 
>>> s = sum(int(item) for item in my_list) 
>>> s 
2553

来源

2016-12-26 16:57:55 ettanany

你不应该不经过编码类型编码为Unicode（'STR（）'）。如果任何字段包含非ASCII，那么用户将得到一个巨大的UnicodeEncodeError异常 –

@AlastairMcCormack我同意你的看法，就在这种情况下，我发现输入的数字不是非ascii字符。 – ettanany

你看到了，因为你正在打印清单。这将调用Python repr()方法，让您了解列表中的数据类型。

u''表示您的列表包含Unicode字符串。您现在无需担心此问题（有关更多详细信息，请参阅How to fix: "UnicodeDecodeError: 'ascii' codec can't decode byte"）。

由于你需要总结你的值，你只需要将你的Unicode字符串值转换为整数。

您可以通过略微修改代码做到这一点：

numbers = [int(number.contents[0]) for number in tags]

来源

2016-12-26 17:12:29

从HTML标签获得数字

回答

相关问题