String zwischen Zeichen String

[LRK]

Hi,
Ich würde gerne aus dem folgendem Text die URL raus filtern und den Namen. Problem bei der Sache ist ich habe mehrere solcher Texte, bei denen sich die Zahl (100) ändert die URL und der Name ändern sich logischerweise auch. Habe es mit replace versucht und pre und Post die Zahl heraus zu filtern um diese dann aus dem String entfernen zu können. Jemand eine Idee?

text = '<li class="hallo-100"><a href="https://test.xy">testname</a>'

data = text.replace(' ','').replace(' ','').replace('<','').replace('>','').replace('"','',2).replace('=','').replace('-','')
pre = 'liclasscatitemcatitem'
post = 'ahref'
data = data[len(pre):-len(post)]

[sparrow]

Ist das tatsächlich das, was du als Vorlage hast? Oder parst du HTML-Code?
In letzterem Fall: Nutze einen HTML-Parser wie beautifulsoup.

Nee, ich korrigiere: Nimm auf jeden Fall beautifulsoup.

[LRK]

Hi, danke. beautifulsoup ich Google Mal
Wie kann ich importieren?

[sparrow]

Du brauchst nicht googeln.
Es sollte reichen, wenn du dem Link aus meinem Beitrag folgst.

[__blackjack__]

Falls `text` wirklich der Ausgangspunkt ist:

Code: Alles auswählen

In [212]: text = '<li class="hallo-100"><a href="https://test.xy">testname</a>' 

In [213]: soup = bs4.BeautifulSoup(text, "html.parser")                         

In [214]: soup.a                                                                
Out[214]: <a href="https://test.xy">testname</a>

In [215]: soup.a["href"]                                                        
Out[215]: 'https://test.xy'

Aber wahrscheinlich kommt das ja auch einem kompletten HTML-Dokument, da sollte man also auch bis zu dem was in `text` repräsentiert ist, mit `BeautifulSoup` kommen.

[LRK]

Oh den link habe ich wohl übersehen, danke. Ja es ist nur der Ausschnitt in Text um Dehn es geht. Ich lasse mir diesen Ausschnitt aus einer Webseite geben.

[__blackjack__]

@LRK: Was heisst Du lässt Dir den Ausschnitt aus einer Webseite geben? Wenn Du den da mit Zeichenkettenoperationen heraus holst, ohne zu berücksichtigen/zu nutzen, dass es sich bei HTML um ein strukturiertes Dokument handelt, dann solltest Du mit dem HTML-Parser nicht erst bei dem gezeigten Ausschnitt ansetzen.

[LRK]

Warum darf ich nicht erst da ansetzen?
Ich lade mir die seite Und durchsuche sie nach einem string und lasse mir die Zeilen ausgeben.

req = urllib2.Request(url)
req.add_header('User-Agent', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-GB; rv:1.9.0.3) Gecko/2008092417 Firefox/3.0.3')
response = urllib2.urlopen(req)
link = response.read()
response.close()

with open(test_file2,"w") as testf:
testf.write("")

for line in link:
if "cat-item cat-item" in line:
from bs4 import BeautifulSoup
soup = BeautifulSoup(line, "html.parser")
link = soup.a["href"]

with open(test_file2,"a") as testf:
testf.write('{}\n'.format(link))
/quote]

[LRK]

Sry ich bekomme das mit der Formatierung nicht richtig hin, wenn ich das Script hier poste.

[Sirius3]

@LRK: HTML-Dateien sind keine Text-Dateien, sondern deutlich komplexer. Mit Beautiful-Soup kannst Du bequem die Stelle im HTML suchen, die Du brauchst, da mußt Du ja nicht zwei verschiedene Methoden einsetzen.

Zum Code:
urlopen solltest Du auch mit with benutzen.
Einen leeren String zu schreiben, macht keinen Sinn. Du solltest die Datei einmal öffnen und nicht bei jeder Zeile neu.
Importe gehören alle an den Anfang der Datei.

Für Code im Forum, benutze [ code ] -Tags, der </>-Knopf im vollständigen Editor.

[LRK]

Danke Sirius3, werde gleich Mal versuchen das schnell um zu setzen.

Urlopen mit with bekomme ich folgenden Fehler.

with urllib2.urlopen(req) as response:
AttributeError: addinfourl instance has no attribute '__exit__'

[Sirius3]

Ach, Du benutzt noch Python2. Das ist veraltet und Du solltest auf Python3 umsteigen.

[LRK]

Scheint so. XBMC Kodi
Und ich mache alles am Smartphone. S9