在解析HTML时遇到问题

Question

我环顾四周，发现了一些如何在python中拆分文本的示例，但在我的示例中遇到了问题。下面是我想要解析的内容：

<img alt="" src="http://example.com/servlet/charting?base_color=grey&amp;chart_width=288&amp;chart_height=160&amp;chart_type=png&amp;chart_style=manufund_pie&amp;3DSet=true&amp;chart_size=small&amp;leg_on=left&amp;static_xvalues=10.21,12.12,43.12,12.10,&amp;static_labels=blue,red,green,purple">

这是我尝试过的：

dict(kvpair.split('=') for kvpair in variableIwantToParse.split('&'))

我得到错误"ValueError:字典更新序列元素#0具有长度5；2是必需的“

我也尝试使用variableIwantToParse.strip('&')，但当我尝试打印variableIwantToParse时，它一次只移动了一个字母。

我确信这很容易，但似乎不知道如何解析它。我基本上希望10.21,12.12,43.12,12.10与蓝色，红色，绿色，紫色(按照显示的顺序)联系在一起

非常感谢你的帮助(如果这太简单了，我很抱歉..我就是想不出解析这个的命令) :-)

Answer 1

使用内置的urlparse module，不要自己做这些拆分。

>>> import urlparse
>>> url_to_parse = "http://example.com/servlet/charting?base_color=grey&chart_width=288&chart_height=160&chart_type=png&chart_style=manufund_pie&3DSet=true&chart_size=small&leg_on=left&static_xvalues=10.21,12.12,43.12,12.10,&static_labels=blue,red,green,purple"
>>> parsed_url = urlparse.urlparse(url_to_parse)
>>> query_as_dict = urlparse.parse_qs(parsed_url.query)
>>> print query_as_dict
{'chart_size': ['small'], 'base_color': ['grey'], 'chart_style': ['manufund_pie'], 'chart_height': ['160'], 'static_xvalues': ['10.21,12.12,43.12,12.10,'], 'chart_width': ['288'], 'static_labels': ['blue,red,green,purple'], 'leg_on': ['left'], 'chart_type': ['png'], '3DSet': ['true']}

如果您使用的是版本低于2.6的Python，那么您必须导入cgi module。改为执行以下操作：

>>> import urlparse
>>> import cgi
>>> parsed_url = urlparse.urlparse(url_to_parse)
>>> query_as_dict = cgi.parse_qs(parsed_url.query)
>>> print query_as_dict
{'chart_size': ['small'], 'base_color': ['grey'], 'chart_style': ['manufund_pie'], 'chart_height': ['160'], 'static_xvalues': ['10.21,12.12,43.12,12.10,'], 'chart_width': ['288'], 'static_labels': ['blue,red,green,purple'], 'leg_on': ['left'], 'chart_type': ['png'], '3DSet': ['true']}

然后，要将它们与字典相关联，请在zip中使用所提供的字典构造函数。

>>> print dict(zip( query_as_dict['static_labels'][0].split(','), query_as_dict['static_xvalues'][0].split(',')))
{'blue': '10.21', 'purple': '12.10', 'green': '43.12', 'red': '12.12'}

Answer 2

方括号：

dict([kvpair.split('=') for kvpair in variableIwantToParse.split('&')])

此外，将&替换为&可能会有所帮助。

Answer 3

这会让你得到你想要的：

d = dict(kv.split('=') for kv in string_to_parse.split('?')[1][:-2].split('&'))
labels_and_values = zip(d['static_labels'].split(','), d['static_xvalues'].split(','))

当您遇到麻烦时，在命令提示符中对其进行分解是非常有用的。例如：

10 > for kv in s.split('&'):
...:     print kv.split('=')

如果你检查它，你会看到see on &正在引起你的问题(为列表中的一项提供太多的值)。