作者Niseel (Niseel)
看板Python
標題[問題］list中擷取特定文字
時間Fri Jan 4 08:47:40 2019
各位前輩好，小弟不才
最近自學python一個多月了
目前是玩爬蟲居多
因為最近爬到一個網域
分頁的格式都沒有規律
所以把文字匯入到list中
然後在擷取關鍵字
但因為index是必須完全符合才能抓到
我的問題是
比如我要抓 (費用)NT5,000
但我已經盡力篩選tag
清單輸出會像是
[‘XXXX’, ‘這門課（費用）NT5,000 目前優惠’, ‘AAAA’, .......]
我應該如何擷取
謝謝前輩學長姐指教
———————我是補充——————
本身非什麼資訊相關科系，
所以也是第一次自學語言
想說用爬蟲來幫我找課程（也順便練習python），說不定有機會可以去上上
就剛好看的這個網站
http://ewda.tw/
中華民國職工福利發展協會
http://ewda.tw/modules/ewda_action/action.php?asn=3978
http://ewda.tw/modules/ewda_action/action.php?asn=3999
像這類型的分頁
不同分頁下抓費用沒問題
但是抓老師姓名就一直找不到共通解
目前是使用papple大提示的join()
再用位移值來抓字
暫時解決「能一次套用在不同分頁」擷取老師姓名
但假設老師姓名如果是兩個字或四個字
位移值就會失效
這樣是不是就只能使用re來判別呢
註：目前只會使用BS來解析，沒有要伸手要code，因為這樣我也不會進步，所以算是請教
一些提示，畢竟有時候google也不知道使用什麼關鍵字...
先謝謝各位熱心的前輩
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.247.32.41
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1546562863.A.4E1.html
1F：推 XperiaZ6C: 正規表示式01/04 09:02
2F：→ XperiaZ6C: 還是你只是要包含NT5000的element都要抓出來01/04 09:03
3F：推 germun: import re 用法上網查01/04 09:08
前輩們好，我忘記打清楚一點
就是這些分頁沒規則性，但（費用）（資訊）
這類的名稱字串是都會出現的
所以我希望能用一個方式來抓到所有分頁的這類名稱字串
所以只能用正規表達式就是了？
以上
謝謝
※ 編輯: Niseel (27.247.32.41), 01/04/2019 09:13:57
4F：→ InfinityGate: re，不過這感覺用xpath篩text就好了吧01/04 10:29
了解 我下班再研究一下XPATH的用法
5F：推 papple23g: (假設你的清單叫tag_list)01/04 11:43
6F：→ papple23g: new_tag_list=[tag for tag in tag_list if ("費用" in01/04 11:43
7F：→ papple23g: tag) or ("資訊" in tag)]01/04 11:43
謝謝papple大 我晚點試試 請問這樣印出結果會顯示 “(費用) NT 5,000” 嗎
因為目前困擾的就是我要的名詞，前後都有多餘的string
※ 編輯: Niseel (27.247.32.41), 01/04/2019 12:40:32
8F：推 jiyu520: 你試了就知道。01/04 15:19
9F：推 jasonfghx: 有沒有網頁? 01/04 17:38
10F：推 nini200: 直接給網址 01/05 04:34
已提供
※ 編輯: Niseel (39.10.35.241), 01/05/2019 18:13:10
※ 編輯: Niseel (39.10.35.241), 01/05/2019 18:13:58
※ 編輯: Niseel (39.10.35.241), 01/05/2019 18:16:49
※ 編輯: Niseel (39.10.35.241), 01/05/2019 18:21:32
12F：→ hoho8: 用圖片的方式 (有單純分享文字的網站嗎)01/06 08:01
謝謝h大回覆 我最後是用兩種方法解析出來 一種就是re 一種就是String join再抓出來
，
覺得做出來好像拯救世界一樣爽XD
※ 編輯: Niseel (39.10.35.241), 01/07/2019 21:13:33
※ 編輯: Niseel (39.10.35.241), 01/07/2019 21:14:01
※ 編輯: Niseel (39.10.35.241), 01/07/2019 21:14:32