如何从某一行开始在HTML文件中获取数据

Question

我试图从一个HTML文件中获取数据。看起来像这样：

from bs4 import BeautifulSoup as bs
import urllib
redditPage1 = "http://redditlist.com/sfw"
r=urllib.urlopen(redditPage1).read()
soup = bs(r)

现在我想让reddit版主（或subredditor，他们被称为subredditor）按其订户数量的顺序排列在一个列表中。为此，我只需要查看这行代码后面的数据：

^{pr2}$

这一行前面的所有内容都是无关的，关于这行后面的subredditor的所有条目如下所示：

<div class="listing-item" data-target-filter="sfw" data-target-subreddit="funny">
<div class="offset-anchor" id="funny-subscribers"></div>
<span class="rank-value">1</span>
<span class="subreddit-info-panel-toggle sfw"> <div>i</div> </span>
<span class="subreddit-url">
<a class="sfw" href="http://reddit.com/r/funny" target="_blank">funny</a>
</span>
<span class="listing-stat">18,197,786</span>
</div>

我该怎么做才能提取出这行后面而不是前面的subredditor名称？在

Answer 1

试试这个：

for div in soup.select('.span4.listing'):
    if div.h3.text.lower()=='subscribers':
        output = [(ss.select('a.sfw')[0].text, ss.select('.listing-stat')[0].text) for ss in div.select('.listing-item')]