在python中解析字符串/文件时，如何忽略第一行（或某些行）？

Question

我正在开发一个程序，它可以解析网站上的不同配置文件。所有的配置文件都有一些文本，为了获取这些字段，我使用.index（）对象对它们进行切片。然而，这些概要文件的所有者在极少数情况下可能会在其“概要文件描述”中使用实际html文档中的一些关键字。概要文件描述的文本是html文档的前几行之一。如何确保每次解析文档时都跳过前几行？在

示例代码：

from bs4 import BeatifulSoup
import urllib.request


country_id = 56451
country_url = "http://www.blocgame.com/stats.php?id=" + str(country_id)
country_source = urllib.request.urlopen(country_url)

country_page = BeautifulSoup(country_source, 'html.parser')
country_text = country_page.get_text()


#This is a game where each player owns their country in the cold war

#This checks for the airforce level
def check_airfoce_cosmetic():
    cforce_slice1 = int(country_text.index("Airforce:"))
    cforce_slice2 = int(country_text.index("Navy:"))
    country_airforce_cosmetic = country_text[cforce_slice1:cforce_slice2] 
    print(country_airforce_cosmetic + "\n\n")

#However, the player might have something in their description bragging about their airforce.

如果这个问题的措辞对你不好，就告诉我。在

Answer 1

通过使用bs4的decompose删除HTML中潜在的危险部分，我已经解决了这样一个问题。例如，对于如下所示的page_html soup：

<about>Not important, and possibly dangerous!</about> <stats>This is the important part.</stats>

我会做一些类似的事情：

not_needed = page_html.about not_needed.decompose()

你只剩下<stats>This is the important part.</stats>。因此，您可以完全删除用户的个人描述，然后安全地提取您需要的任何内容。在

Answer 2

如果不想使用索引，可以将文本作为字符串拉出，然后解析该字符串。不是最优雅，但很管用。在

country_id = 56451
country_url = "http://www.blocgame.com/stats.php?id=" + str(country_id)
country_source = urllib.request.urlopen(country_url)

country_page = BeautifulSoup(country_source)
country_text = country_page.text
rawAirforce = country_text.split("Airforce:")[1]
navyArray = rawAirforce.split("Navy:")
airforce = navyArray[0].strip()
navy = navyArray[1].split("Chemical Weapons:")[0].strip()
print("Airforce: " + airforce + " Navy: " + navy)

生产

^{pr2}$