Спарсить данные

@Ципихович Эндрю · Регистрация: 10.04.2009

Студворк — интернет-сервис помощи студентам

здравствуйте, никак не могу довести до ума свой парсинг, пока остановился на

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
patch = r'I:\Российская Федерация\5. ГОСТ Р 52289-2019_01.04.2020.htm'
import bs4
with open(patch, 'r', encoding='utf-8') as f_in:  # исходный файл
    html_code = f_in.read()
soup = bs4.BeautifulSoup(html_code, 'html.parser')
 
tables = soup.find_all('table')
for table in tables:
    trs = table.find_all('tr')
    for i, tr in enumerate(trs):
        imgs = tr.find_all('img', src=lambda x: x and x.endswith('.jpg'))
        if imgs:
            img = imgs[0]
            src = img['src']
            filename = src.split('/')[-1]
            print(f"Image: {filename}")
            if i + 1 < len(trs):
                next_tr = trs[i + 1]
                tds = next_tr.find_all('td')
                if tds:
                    text = tds[0].get_text(strip=True)
                    print(f"Text: {text}")
                else:
                    print("Text: Not found")
            else:
                print("Text: Not found")
            print()

ответ выдаёт
Image: base_1_348566_2147483716.jpg
Text: 1.1

Image: base_1_348566_2147483720.jpg
Text: 1.4.1
а нужно
между этими двумя строками ещё имеются знаки 1.2, 1.3.1, 1.3.2
а о них не выведен ответ
и ещё как добраться к названиям знаков
1.1 = Железнодорожный переезд со шлагбаумом
1.2 = Железнодорожный переезд без шлагбаума
1.3.1 = Однопутная железная дорога
1.3.2 = Многопутная железная дорога
?? спасибо
к этому ответу относится HTML код:

HTML5
1
2
3
<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="bottom" align="left"><div class="s0 aC bG"><img src="ГОСТ Р 52289-2019. Национальный стандарт Российской Федераци.htm_/base_1_348566_2147483716.jpg" class="aC" width="135" style="vertical-align:middle;" alt="" /></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="bottom" align="left"><div class="s0 aC bG"><img src="ГОСТ Р 52289-2019. Национальный стандарт Российской Федераци.htm_/base_1_348566_2147483717.jpg" class="aC" width="137" style="vertical-align:middle;" alt="" /></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="bottom" align="left"><div class="s0 aC bG"><img src="ГОСТ Р 52289-2019. Национальный стандарт Российской Федераци.htm_/base_1_348566_2147483718.jpg" class="aC" width="136" style="vertical-align:middle;" alt="" /></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="bottom" align="left"><div class="s0 aC bG"><img src="ГОСТ Р 52289-2019. Национальный стандарт Российской Федераци.htm_/base_1_348566_2147483719.jpg" class="aC" width="136" style="vertical-align:middle;" alt="" /></div></td></tr><tr style="padding-left: 3pt;padding-right: 3pt;padding-top: 5pt;padding-bottom: 5pt;">
<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"><a id="Par2697" ></a>1.1</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"><a id="Par2698" ></a>1.2</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"><a id="Par2699" ></a>1.3.1</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"><a id="Par2700" ></a>1.3.2</div></td></tr><tr style="padding-left: 3pt;padding-right: 3pt;padding-top: 5pt;padding-bottom: 5pt;">
<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">Железнодорожный переезд со шлагбаумом</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">Железнодорожный переезд без шлагбаума</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">Однопутная железная дорога</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">Многопутная железная дорога</div></td></tr></table>

@Ципихович Эндрю · 10.08.2024, 11:43 **[ТС]**

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
import bs4
import re
patch = r'I:\Российская Федерация\5. ГОСТ Р 52289-2019_01.04.2020.htm'
with open(patch, 'r', encoding='utf-8') as f_in:
    html_code = f_in.read()
soup = bs4.BeautifulSoup(html_code, 'html.parser')
tables = soup.find_all('table')
tables = soup.find_all('table')
print(f"Количество таблиц: {len(tables)}")
for n, table in enumerate(tables):
    rows = table.find_all('tr')
    num_rows = len(rows)
    if num_rows != 1:
        first_row = rows[0]
        cells = first_row.find_all('td')  # Ищем только ячейки td
        # Проверяем, что во всех ячейках первой строки есть ссылки на изображения
        all_jpg_links = all(cell.find('img', src=re.compile(r'base_1_\d+_\d+\.jpg$')) for cell in cells)
        if all_jpg_links:
            print(f"Таблица {n+1} подходит")
            images = []
            for row in table.find_all('tr'):
                for cell in row.find_all('td'):
                    img = cell.find('img')
                    if img:
                        images.append(img['src'].split(r'/')[-1])
            texts = [cell.text.strip() for row in table.find_all('tr') for cell in row.find_all('td') if cell.text.strip()]
            # Объединяем данные
            for i in range(len(images)):
                print(f"{texts[i]}={images[i]}")

ответ
Таблица 35 подходит
1.1=base_1_348566_2147483716.jpg
1.2=base_1_348566_2147483717.jpg
1.3.1=base_1_348566_2147483718.jpg
1.3.2=base_1_348566_2147483719.jpg
как бы подправить код, чтобы было
1.1=Железнодорожный переезд со шлагбаумом=base_1_348566_2147483716 .jpg
1.2=Железнодорожный переезд без шлагбаума=base_1_348566_2147483717. jpg
1.3.1=Однопутная железная дорога=base_1_348566_2147483718.jpg
1.3.2=Многопутная железная дорога=base_1_348566_2147483719.jpg
кто-то сможет подправить? спасибо

@iSmokeJC · 10.08.2024, 14:33

Регулярки учи )))

Кликните здесь для просмотра всего текста

@Ципихович Эндрю · 10.08.2024, 14:52 **[ТС]**

iSmokeJC, надо будет поискать в инете фото задницы и прикрепить в ответ .....

@iSmokeJC · 10.08.2024, 14:53

Давай!

@Aviz__ · 10.08.2024, 17:25

Не по теме:

Сообщение от Ципихович Эндрю

надо будет поискать в инете фото

Андрюша, ты не можешь не знать, что ты человек с особенностями в обучении и восприятии информации... Как бы ты не злился на людей, ты обычным не станешь.

Новые блоги и статьи Все статьи Все блоги /
Архитектура слоя интернета для сервера-слоя. Hrethgir 11.04.2026 В продолжение https:/ / www. cyberforum. ru/ blogs/ 223907/ 10860. html Знаешь что я подумал? Раз мы все источники пишем в голове ветки, то ничего не мешает добавить в голову такой источник, который сам. . .	Подстановка значения реквизита справочника в табличную часть документа Maks 10.04.2026 Алгоритм из решения ниже реализован на примере нетипового документа "ПланированиеПерсонала", разработанного в конфигурации КА2. Задача: при выборе сотрудника (справочник Сотрудники) в ТЧ документа. . .	Очистка реквизитов документа при копировании Maks 09.04.2026 Алгоритм из решения ниже применим как для типовых, так и для нетиповых документов на самых различных конфигурациях. Задача: при копировании документа очищать определенные реквизиты и табличную. . .	модель ЗдравоСохранения 8. Подготовка к разному выполнению заданий anaschu 08.04.2026 https:/ / github. com/ shumilovas/ med2. git main ветка * содержимое блока дэлэй из старой модели теперь внутри зайца новой модели 8ATzM_2aurI
Блокировка документа от изменений, если он открыт у другого пользователя Maks 08.04.2026 Алгоритм из решения ниже реализован на примере нетипового документа, разработанного в конфигурации КА2. Задача: запретить редактирование документа, если он открыт у другого пользователя. / / . . .	Система безопасности+живучести для сервера-слоя интернета (сети). Двойная привязка. Hrethgir 08.04.2026 Далее были размышления о системе безопасности. Сообщения с наклонным текстом - мои. А как нам будет можно проверить, что ссылка наша, а не подделана хулиганами, которая выбросит на другую ветку и. . .	Модель ЗдрввоСохранения 7: больше работников, больше ресурсов. anaschu 08.04.2026 работников и заданий может быть сколько угодно, но настроено всё так, что используется пока что только 20% kYBz3eJf3jQ	Дальние перспективы сервера - слоя сети с космологическим дизайном интефейса карты и логики. Hrethgir 07.04.2026 Дальнейшее ближайшее планирование вывело к размышлениям над дальними перспективами. И вот тут может быть даже будут нужны оценки специалистов, так как в дальних перспективах всё может очень сильно. . .

@iSmokeJC 19530 / 11067 / 2931 Регистрация: 21.10.2017 Сообщений: 23,294
	10.08.2024, 14:33
	Регулярки учи ))) Кликните здесь для просмотра всего текста 0

@Ципихович Эндрю 1712 / 579 / 76 Регистрация: 10.04.2009 Сообщений: 9,330
	10.08.2024, 14:52 [ТС]
	iSmokeJC, надо будет поискать в инете фото задницы и прикрепить в ответ ..... 0

@iSmokeJC 19530 / 11067 / 2931 Регистрация: 21.10.2017 Сообщений: 23,294
	10.08.2024, 14:53
	Давай! 0