python - 如果在 HTML 页面中找不到文本，如何在 python 中打印空值？

Question

当 Html 页面中缺少文本时，我需要一种方法来呈现空值并将其附加到 python 中的列表。

Html渲染的原始数据如下:

  <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">TICKER: </SPAN><SPAN CLASS="c2">FB (NASDAQ) (57%); </SPAN><SPAN CLASS="c4">AXP</SPAN><SPAN CLASS="c2"> (NYSE) (54%)</SPAN></P>
    </DIV>
  <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">INDUSTRY: </SPAN><SPAN CLASS="c2">NAICS511110 NEWSPAPER PUBLISHERS (61%); SIC2711 NEWSPAPERS: PUBLISHING, OR PUBLISHING &amp;</SPAN></P>
  </DIV>
  <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">LOAD-DATE: </SPAN><SPAN CLASS="c2">November 7, 2016</SPAN></P>
<!-- Hide XML section from browser
</DOCFULL>
    </DOC> -->
    <DIV CLASS="c10">&nbsp;</DIV>
    <A NAME="DOC_ID_0_2"></A><!-- Hide XML section from browser
    <DOC NUMBER=3>
    <DOCFULL> -->
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">TICKER: </SPAN><SPAN CLASS="c2">CS (PAR) (91%); AXJ (ASX) (91%); AXA (BIT) (91%); </SPAN><SPAN CLASS="c4">AXP</SPAN><SPAN CLASS="c2"> (NYSE) (57%)</SPAN></P>
    </DIV>
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">COUNTRY: </SPAN><SPAN CLASS="c2">UNITED KINGDOM (88%)</SPAN><SPAN CLASS="c2">&nbsp;</SPAN><SPAN CLASS="c2">United Kingdom GB</SPAN></P>
    </DIV>
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">REGION: </SPAN><SPAN CLASS="c2">Europe; EU; Western Europe</SPAN></P>
    </DIV>
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">LOAD-DATE: </SPAN><SPAN CLASS="c2">May 12, 2016</SPAN></P>

我需要在标签之间写下文本值，它们是； TICKER、INDUSTRY、COUNTRY、REGION 和 LOAD-DATE 到两个单独的列表中.

• Set 1 需要包含TICKER、INDUSTRY 和LOAD-DATE。
• 第 2 组需要包含 COUNTRY 和 REGION。

如果文本中缺少 COUNTRY，我需要将包含 Null 值的条目附加到相应列表。

例子

• 第一个Html标签列表不包含COUNTRY，所以应该存储NULL
• 第二个 Html 标签列表确实包含 COUNTRY，因此应该存储 United Kingdom。

结果应该变成:

['Null', 'United Kingdom\nUnited Kingdom GB']

我尝试过的解决方法如下:

countrypattern="\<SPAN CLASS=\"c8\"\>COUNTRY: </SPAN><SPAN CLASS=\"c2\"\>(.*)\</SPAN>"
countrypatternvalues=[a.strip("*") for a in re.findall(countrypattern,response)]
if not countrypatternvalues:
     countrypatternvalues.append(None)
countryvalues = re.sub(cleanr, '', str(countrypatternvalues))

请帮我解决这个问题。

Answer 1

给你:

import re

res = re.findall(r"""<SPAN CLASS="c8">([A-Z]+): *</SPAN><SPAN CLASS="c2">([^<]*)</SPAN>""",html)

class Items(object):
    def __init__(self):
        # list of items
        self.items = []             

    def add_item(self, name, value):
        if (not self.items) or (name in self.items[-1]):
            self.items.append({})
        self.items[-1][name] = value

    def get_list(self, key):
        return [ item[key] if key in item else None for item in self.items ]         


items = Items()

for item in res:
    items.add_item(item[0], item[1])

print items.get_list('COUNTRY')

如果组中没有重复的名称，这会起作用，因为重复会产生另一个组。