在python中从html标记中提取字符串

Question

希望没有一个重复的问题，我已经看了，因为我一直在搜索这个论坛的人谁已经发布了类似的下面一个。。。你知道吗

基本上，我已经创建了一个python脚本，它将从下面显示的url中刮取每艘船的呼号，并将它们附加到一个列表中。简而言之，它是有效的，但是每当我遍历列表并显示每个元素时，在每个callsigns之间似乎都有一个“[”和“]”。我的脚本输出如下：

输出

***********************     Contents of 'listOfCallSigns' List     ***********************

0 ['311062900']
1 ['235056239']
2 ['305500000']
3 ['311063300']
4 ['236111791']
5 ['245639000']
6 ['235077805']
7 ['235011590']

如您所见，它显示了每个呼号的方括号。我有一种感觉，这可能归结为BeautifulSoup库中的编码问题。你知道吗

理想情况下，我希望输出不带任何方括号，只将呼号作为字符串。

***********************     Contents of 'listOfCallSigns' List     ***********************

0 311062900
1 235056239
2 305500000
3 311063300
4 236111791
5 245639000
6 235077805
7 235011590

我当前使用的脚本如下所示：

我的脚本

# Importing the modules needed to run the script 
from bs4 import BeautifulSoup
import urllib2
import re
import requests
import pprint


# Declaring the url for the port of hull
url = "http://www.fleetmon.com/en/ports/Port_of_Hull_5898"


# Opening and reading the contents of the URL using the module 'urlib2'
# Scanning the entire webpage, finding a <table> tag with the id 'vessels_in_port_table' and finding all <tr> tags
portOfHull = urllib2.urlopen(url).read()
soup = BeautifulSoup(portOfHull)
table = soup.find("table", {'id': 'vessels_in_port_table'}).find_all("tr")


# Declaring a list to hold the call signs of each ship in the table
listOfCallSigns = []


# For each row in the table, using a regular expression to extract the first 9 numbers from each ship call-sign
# Adding each extracted call-sign to the 'listOfCallSigns' list
for i, row in enumerate(table):
    if i:
        listOfCallSigns.append(re.findall(r"\d{9}", str(row.find_all('td')[4])))


print "\n\n***********************     Contents of 'listOfCallSigns' List     ***********************\n"

# Printing each element of the 'listOfCallSigns' list
for i, row in enumerate(listOfCallSigns):
    print i, row  

有人知道如何去掉每个呼号周围的方括号，只显示字符串吗？

提前谢谢！：）

Answer 1

这也可以通过从字符串中去除不需要的字符来实现，如下所示：

a = "string with bad characters []'] in here" 
a = a.translate(None, "[]'")
print a 

Answer 2

将最后一行更改为：

# Printing each element of the 'listOfCallSigns' list
for i, row in enumerate(listOfCallSigns):
    print i, row[0]  # <  added a [0] here

或者，也可以在此处添加[0]：

for i, row in enumerate(table):
    if i:
        listOfCallSigns.append(re.findall(r"\d{9}", str(row.find_all('td')[4]))[0]) <  added a [0] here

这里的解释是re.findall(...)返回一个列表（在您的例子中，只包含一个元素）。因此，listOfCallSigns最终成为“子列表列表，每个子列表包含一个字符串”：

>>> listOfCallSigns
>>> [ ['311062900'], ['235056239'], ['311063300'], ['236111791'],
['245639000'], ['305500000'], ['235077805'], ['235011590'] ]

当您enumerate您的listOfCallSigns时，row变量基本上就是您在代码前面附加的re.findall(...)（这就是为什么您可以在它们之后添加[0]）。你知道吗

所以row和re.findall(...)都是“字符串列表”类型，如下所示：

>>> row
>>> ['311062900']

要获取列表中的字符串，需要访问其第一个元素，即：

>>> row[0]
>>> '311062900'

希望这有帮助！你知道吗