html parser

@Ципихович Эндрю · Регистрация: 10.04.2009

Студворк — интернет-сервис помощи студентам

здравствуйте, от тегов избавляюсь таким образом:

Python
1
2
3
        with open(patch_doc + file, 'r', encoding='utf-8') as f_in:  # исходные документы htm
            soup = BeautifulSoup(f_in.read(), 'html.parser')
            txt = soup.get_text().strip()

в хтмл имеется строка:

HTML5
1
<td style="padding-left: 3pt;padding-right: 3pt;padding-top: 5pt;padding-bottom: 5pt;min-height: 12pt; border-left: none; border-right: none; border-top: none; border-bottom: none; " valign="top" align="left"><div class="s0 aC bG">Боковой ветер</div></td><td style="padding-left: 3pt;padding-right: 3pt;padding-top: 5pt;padding-bottom: 5pt;min-height: 12pt; border-left: none; border-right: none; border-top: none; border-bottom: none; " valign="top" align="left"><div class="s0 aC bG">Низколетящие самолеты</div></td><td style="padding-left: 3pt;padding-right: 3pt;padding-top: 5pt;padding-bottom: 5pt;min-height: 12pt; border-left: none; border-right: none; border-top: none; border-bottom: none; " valign="top" align="left"><div class="s0 aC bG">Тоннель</div></td></tr>

которую питон после обработки сделал: Боковой ветерНизколетящие самолетыТоннель
что НЕ есть хорошо, как это исправить?

Добавлено через 37 минут

Python
1
2
3
4
5
6
        with open(patch_doc + file, 'r', encoding='utf-8') as f_in:  # исходные документы htm
            count_file_htm +=1
            soup = BeautifulSoup(f_in.read(), 'html.parser')
            txt = soup.get_text().strip()
            # НЕ объединять текст в соседних тегах
            txt = re.sub(r"<td[^>]+>\s*(.+?)\s*</td>", r"\1", txt, flags=re.DOTALL)

так поможет? ничего НЕ напутал?

@Ципихович Эндрю · 22.12.2023, 15:28 **[ТС]**

а вот и картинка, это вид в браузере

Сообщение от volkomorov

show_cmd управляет видимостью окна

как это в коде выглядит?

@Ципихович Эндрю · 22.12.2023, 16:47 **[ТС]**

Python
1
2
3
4
with open(patch_doc + file, 'r', encoding='utf-8') as f_in:  # исходные документы htm
    soup = BeautifulSoup(f_in.read(), 'html.parser')
    txt = soup.get_text().strip()
    # txt = soup.get_text("\n", strip=True)

тогда считает как:
1.291.301.31
Боковой ветерНизколетящие самолетыТоннель
Плохо!!!
Если в коде будет:

Python
1
2
3
4
with open(patch_doc + file, 'r', encoding='utf-8') as f_in:  # исходные документы htm
    soup = BeautifulSoup(f_in.read(), 'html.parser')
    # txt = soup.get_text().strip()
    txt = soup.get_text("\n", strip=True)

тогда множество строк вида:
(в ред.
Постановления
Правительства РФ от 14.12.2005 N 767)
будут разделены на три части - плохо!!!!
это происходит в файле: 5. ГОСТ Р 52289-2019_01.04.2020.htm
как же выбрать золотую середину, чтобы было хорошо?
хотел приложить файл, увы, сообщение:
5. ГОСТ Р 52289-2019_01.04.2020.htm:
Некорректный файл

Новые блоги и статьи Все статьи Все блоги /
Алиса нашла кучу ошибок компиляции и запуска в проекте, который без проблем компилировался и запускался))) anaschu 30.06.2026 Я пока посмеюся, но завтра проверю. А вообще интерсно. Дал алисе файл, в котором точно нет ошибок компиляции и запуска, и попросил их найти. Нашла кучу))) Критические ошибки, мешающие компиляции и. . .	сукцессия 16. Общий обзор, в основном что бы другие ии поняли anaschu 29.06.2026 # Передаточный документ: модель микоризной сукцессии (для нового чата) Этот документ предназначен для того, чтобы новый чат Claude мог продолжить работу без необходимости заново разбираться в. . .	сукцессия 15 неявная схема anaschu 29.06.2026 Алиса Калибровка параметров симбиотической модели: технический обзор Содержание: Введение Постановка проблемы Технические аспекты реализации Процесс внедрения изменений	сукцессия 14. Обновленная схема модели anaschu 28.06.2026 ГЛОБАЛЬНАЯ ОПИСАТЕЛЬНАЯ СПЕЦИФИКАЦИЯ ЭКОСИСТЕМНОЙ МОДЕЛИ «SOIL CHEMISTRY & MYCORRHIZA 2. 0» https:/ / ibb. co/ NnkGpfMd Представленная интегрированная схема описывает непрерывную нелинейную. . .
сукцессия 13. Питон модель трехзонного мицелия, пока что в основном арбускулярного anaschu 28.06.2026 ## Разработка агентной модели микоризной сукцессии: от выявления артефактов к созданию комплексной системы ### Аннотация Представлено исследование по разработке агентной модели микоризной. . .	сукцессия 12. краткий список проверок модели перед запуском. anaschu 27.06.2026 Скрытые отказы в моделях систем динамики (SD-models) экологических систем: два случая из практики Контекст Разбирался прототип модели систем динамики (SD-модели) микоризной сукцессии: пять. . .	Сукцессия 11. Проверка орудий перед войной: разработка через тестирование anaschu 27.06.2026 Как не дать модели соврать самой себе: проверки для симуляции микоризной сукцессии Введение Когда вы строите математическую модель живой системы — грибов, растений, почвы — главная опасность. . .	10 сукцессия. Питон код войны грибов и растений anaschu 27.06.2026 import numpy as np class PlantAgent: def __init__(self, name, strategy, initial_biomass): self. name = name self. strategy = strategy # "greedy" (широколиственные) или. . .