从Python本地html文件中提取数据

Question

我想从文件夹(保存在本地)中的几个html文件中提取数据，并将信息保存到文本文件中。Python中的大多数html工具箱似乎处理的是在线网页，而不是本地保存的文件。例如，如果我想从所有文件中找到"CAS注册号“并将其写入文本文件，我该怎么办？

包含信息的html行的示例：

<DIV class=detailTitle><SPAN class=title>CAS Registry Number</SPAN> 555-34-0</DIV>

Answer 1

我建议使用PyQuery，它对于处理html元素非常优雅。

教程是here

代码为：

from pyquery import PyQuery

html = open("index.html", 'r').read() # local html

query = pyquery(html)

query("li").eq(1).text()
......