python - 正则表达式for循环在python中的列表

Question

我有 这份 list

[<th align="left">
 <a href="blablabla">F</a>ojweousa</th>,
 <th align="left">
 <a href="blablabla">S</a>awdefrgt</th>, ...]

和 想要

"> 后面的一个字符

</a>之间的多个字符和 </th>,

连接在一起，以便我可以继续我的生活。
这是我的 代码

item2 = []
for element in items2:
    first_letter = re.search('">.</a', str(items2))
    second_letter = re.search(r'</a>[a-zA-Z0-9]</th>,', str(items2))
    item2.append([str(first_letter) + str(second_letter)])

我知道我应该做类似 item2.group 的事情或 item2.join但如果我这样做，输出 变得更加凌乱。这是当前代码的输出

[['<re.Match object; span=(155, 161), match=\'">F</a\'>None'],
 ['<re.Match object; span=(155, 161), match=\'">F</a\'>None'],
 ...]]

我会喜欢 输出看起来像这样，以便我可以在 pd.dataframe 中使用它:

[Fojweousa, Sawdefrgt, ...]

这是一个列表，这就是为什么我不能使用 html bs4 或选择方法。

Answer 1

您可以使用 BeautifulSoup get_text() 从您使用 find_all 找到的每个元素中获取纯文本和 strip摆脱前导和尾随空格:

items2 = table.find_all('th', attrs={'align': 'left'})[1:]
result = [x.get_text().strip() for x in items2]

在这里，.find_all('th', attrs={'align': 'left'})查找所有 th具有属性 align 的元素等于 left , 和 [1:]跳过第一次出现。
接下来，[x.get_text().strip() for x in items2]是一个列表推导式，它遍历找到的项目( items2 ， x 是每个找到的元素)并从每个 x 获取纯文本元素使用 x.get_text()和 strip()删除前导/尾随空格。