使用Python 3提取包含在带有版权符号的html标记中的文本
使用Python 3提取包含在带有版权符号的html标记中的文本
提问于 2018-07-14 04:09:00
我需要检查网页是否有版权符号©，如果有，我提取包含该符号的标签的文本。例如，网页"profile.theguardian.com/signin“的目标文本是"©2018卫报新闻和媒体有限公司或其附属公司。保留所有权利”。如何使用Python 3.x完成此任务？
回答 3
Stack Overflow用户
发布于 2018-07-15 06:49:14
我终于找到了我正在寻找的解决方案；
URL = 'https://profile.theguardian.com/signin'
webpage = requests.get(URL)
soup = BeautifulSoup(webpage.content,'html.parser')
symbol = u'\N{COPYRIGHT SIGN}'.encode('utf-8')
symbol = symbol.decode('utf-8')
pattern = r'' + symbol
for tag in soup.findAll(text=re.compile(pattern)):
copyrightTexts = tag.parent.text
print(copyrightTexts)希望这能对其他人有所帮助。感谢那些试图提供帮助的人。
Stack Overflow用户
发布于 2018-07-14 04:26:49
您好，您应该在提交问题时发布您的示例代码，但下面的代码应该会告诉您版权符号是否在特定页面上：
from bs4 import BeautifulSoup
import urllib.request
masterURL = 'https://profile.theguardian.com/signin'
sauce = urllib.request.urlopen(masterURL).read()
soup = BeautifulSoup(sauce,'lxml')
temp = soup.prettify().encode('UTF-8')
#\xc2\xa9 is unicode symbol for copyright sign
if(b'\xc2\xa9' in temp):
print('Copy Right On Page')
else:
print('No Copy Right on Page')Stack Overflow用户
发布于 2018-07-14 07:13:36
将其作为footer_copyright，您可以这样做：
from bs4 import BeautifulSoup
import urllib.request as url
BeautifulSoup(url.urlopen(masterURL).read()).select("p.footer__copyright")页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51332185
复制相关文章
相似问题