推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 2260 天前的主题，其中的信息可能已经有所发展或是发生改变。
比如一个新闻网站个结构如下:
<title>title</title>
some text
像这种图片和文本交叉的 html，如何记录图片和新闻内容的相对位置呢，我希望得到这样的结果
text1
img_url
text2
img_url
img_url
有没有比较好的方法
 | 1 AX5N 2019-08-15 00:12:05 +08:00 都快 2020 年了，还有韩粉 |
 | 2 favourstreet 2019-08-15 00:12:27 +08:00 via Android 楼主前端知识过关却还来问这种问题的话应该是想取巧，但是我也不知道这种事怎么取巧，所以当一回老实人告诉楼主：文档对象模型，楼主需要解析 DO ……不对，更适合楼主的答案应该是，用数组！对，字符串数组，你看你给出的希望的结果不是字符串数组吗…… |
| 3 AX5N 2019-08-15 00:15:24 +08:00 相对位置是渲染出来的相对位置，还是代码的相对位置？ 记录你是想怎么记录，你是想知道正文<p>有哪些兄弟节点？ |
 | 4 axlecho 2019-08-15 02:45:55 +08:00 via Android 不太明白你的目的 解析成这样，还不如直接保存整个 doc. |
 | 5 ant2017 2019-08-15 07:04:22 +08:00 via Android 列表？ |
 | 6 annielong 2019-08-15 09:12:09 +08:00 提取内容，输出时候换行，还第一次见要相对位置的 |
 | 7 ZeldaPeach 2019-08-15 09:19:04 +08:00 用 CSS Selector 同时选取图片和文本 img+p |
 | 8 littlecowherd 2019-08-15 09:27:10 +08:00 **用正则，去掉 HTML 标签，保留标签内文本。** 想保留图片的话，可以先用正则把 img 标签处理下： 1. 将<img src="">替换成{img src=""} 2. 删除 script 和 style 及 comment 等无用标签。 3. 将标签符号替换为空：re.sub(r'<[\s\S]*?>', "", body) 这样大概能完成你得需求。如果还想保留换行的话，可以将</p>、<br>等标签替换为换行符，需要在第 3 步之前执行。 |
 | 9 keepeye 2019-08-15 09:29:42 +08:00 先用正则提取出所有 img 标签到一个数组 再用正则按 img 标签 split 文字内容到一个数组 然后遍历两个数组，添加到一个新的数组中 |
 | 10 enrolls 2019-08-21 11:16:25 +08:00 1. 去掉无用标签 2. 定位正文的 dom 3. 对 dom 进行按 HTML tags 输出 |
 | 11 ChineseOldSober 2019-09-02 15:54:19 +08:00 这个我做过。 1. 网页直接 dom_str = response.text 处理成一个大字符串; 2. 将你的段们和图片对应的文字拿出来作为索引的自变量; 3. 使用字符串的 index()来索引字符串在整个大字符串中的位置， |
Select Language