从网页中提取部分文本

Question

我正在尝试生成一个获取文件.do用于特定类型报告的字符串-“技术”报告。问题是，报告“type”被标记在字符串的末尾，因此代码应该读取字符串，如果报告标记签出，则应该返回并提取字符串获取文件.do（行动）。你知道吗

以下是源网页的示例(WWW.SEDAR.COM)）有很多不需要的东西，但下面是我确实想要的。因此，如果我们阅读下面代码中的“技术报告”，我想提取操作信息（这样我就可以用它来下载文档）。问题是许多页面链接是不相关的。你知道吗

FORM name=“form1512323126173”action=“/>获取文件.dolang=EN&；docClass=24&；issuerNo=00021020&；issuerType=03&；projectNo=02627564&；d cId=4117642“method=”post“target=”AcceptTermsOfUse“P HREF=”javascript:提交文件(文件格式1512323126173，'AcceptTermsOf use'）；“title=”&；docClass=24&；issuerNo=00021020&；issuerType=03&；projectNo=026 7564&；docId=4117642“onmouseover=”窗口状态='&；docClass=24&；issuerNo=000 1020&；issuerType=03&；projectNo=02627564&；docId=4117642'；返回true；“onmouseout=”窗口状态=''；return true；“>；技术报告（NI 43101）

下面是一个我不感兴趣的例子（在同一页上）：

FORM name=“form1512323126172”操作=“/获取文件.dolang=EN&；docClass=24&；issuerNo=00021020&；issuerType=03&；projectNo=02627564&；d cId=4117645“method=”post“target=”AcceptTermsOfUse“PA HREF=”javascript:提交文件(文件格式1512323126172，'AcceptTermsOfU e'）；“title=”&；docClass=24&；issuerNo=00021020&；issuerType=03&；projectNo=02627 64&docId=4117645“onmouseover=”窗口状态='&；docClass=24&；issuerNo=00021020&；issuerType=03&；projectNo=02627564&；docId=4117645'；返回true；“onmouseout=”窗口状态=''；return true；''合格人员同意书（NI 43-101）

因此，综上所述，我希望看到以下结果：

动作=“/获取文件.dolang=EN&；docClass=24&；issuerNo=00021020&；issuerType=03&；p项目号=02627564&；d cId=4117642

Answer 1

可以将python的requests库与Beautifulsoap一起使用

通过以下命令安装第三方库：

pip install beautifulsoup4
pip install requests