0

Как с помощу регулярных выражений получить цифры с тега если идентифицировать тег можно только по слову (Матчи,Забито Голов,Пропущено голов)?

дело в том что ето в большом теге div , и здесь только по слове внутри тега можно определить откуда брать цифры , r"<tr>.*Матчи.*</tr>", r"<tr>.*Пропущено голов.*</tr>", r"<tr>.*Забито голов.*</tr>" я так пробовал но не работает, мне нужно чтобы регулярка находила тег <tr> потом какието символы потом опредиляющее слово а потом тоже какието символы и закрыващий тег </tr>




<tr>
<td>10</td>
<td>Матчи </td>
<td>10</td>
</tr>

<tr>
<td class="red">14</td>
<td>Забито голов </td>
<td class="green">16</td>
</tr>

<tr>
<td class="green">15</td>
<td>Пропущено голов </td>
<td class="red">26</td>
</tr>

вот код , я хочу с большого тега div найти определенные теги tr по ключевым словам а потом снова через регулярные выражения найти два числа , но регулярка неработает и просто выводит все числа с большого тега div.


class GameData:
    def __init__(self, html_text: str):
        self.__html_text = html_text.replace("\n", "")

    def get_games_quantity(self):
        pattern = r"<tr>.*Матчи.*</tr>"
        games_quantity_html_text = "".join(re.findall(pattern=pattern, string=self.__html_text))
        return re.findall(pattern=r"\d\d|\d", string=games_quantity_html_text)

    def get_goals_scored(self):
        pattern = r"<tr>.*Забито голов.*</tr>"
        games_quantity_html_text = "".join(re.findall(pattern=pattern, string=self.__html_text))
        return re.findall(pattern=r"\d\d|\d", string=games_quantity_html_text)

    def get_conceded_goals(self):
        pattern = r"<tr>.*Пропущено голов.*</tr>"
        games_quantity_html_text = "".join(re.findall(pattern=pattern, string=self.__html_text))
        return re.findall(pattern=r"\d\d|\d", string=games_quantity_html_text)

    def get_all_parametrs(self):
        return dict(
            games=self.get_games_quantity(),
            goals_scored=self.get_goals_scored(),
            conceded_goals=self.get_conceded_goals()
        )

5
  • 2
    не надо использовать регулярные выражения там где они не нужны. вы с помощью какого то языка пытаетесь это разобрать, или просто абстрактно прикрутить сюда регулярки в блокноте?
    – teran
    7 сен 2021 в 22:34
  • я пишу на python , 7 сен 2021 в 22:35
  • возьмите какую нить библиотеку разбора HTML/XML. не надо разметку парсить с помощью регулярок. итерируйте строки, сверяйте значение ячейки
    – teran
    7 сен 2021 в 22:36
  • дело в том что теги одинаковые и отличие в них только по словам которые в них 7 сен 2021 в 22:37
  • r"<tr>.*Матчи.*</tr>" я так пробывал 7 сен 2021 в 22:38

1 ответ 1

0

Я бы предложил для парсинга html таблиц использовать библиотеку Pandas:

import pandas as pd

html = '''
<table>
<tr>
<td>10</td>
<td>Матчи </td>
<td>10</td>
</tr>

<tr>
<td class="red">14</td>
<td>Забито голов </td>
<td class="green">16</td>
</tr>

<tr>
<td class="green">15</td>
<td>Пропущено голов </td>
<td class="red">26</td>
</tr>
</table>
'''

df = pd.read_html(html)[0]

Тогда в df получится такая табличка из 3-х строк и 3-х столбцов:


     0                1  2
0   10            Матчи 10
1   14     Забито голов 16
2   15  Пропущено голов 26

Доставать из неё данные можно, например, так:

goals1 = df.loc[df[1] == 'Забито голов', 0].values[0]
goals2 = df.loc[df[1] == 'Забито голов', 2].values[0]
print(goals1, goals2)

Вывод:

14 16
1
  • дело в том что ето в большом теге div , и здесь только по слове внутри тега можно определить откуда брать цифры , r"<tr>.*Матчи.*</tr>" я так пробовал но не работает, мне нужно чтобы регулярка находила тег <tr> потом какието символы потом опредиляющее слово а потом тоже какието символы и закрыващий тег </tr> 8 сен 2021 в 6:37

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.