Chinaunix

标题: 用vim如何从这个html中提取 关键词 及 音标？ [打印本页]

---

作者: blackantt    时间: 2019-10-12 14:04
标题: 用vim如何从这个html中提取 关键词 及 音标？


nt-size:14px;overflow:auto;">
.......
        <span style='float:left;display:block;'>Synonym: </span><span style='float:left;display:block;'><a href='javascript:;' onclick='q1("fuzz");'>fuzz</a>, </span><span style='float:left;display:block;'><a href='javascript:;' onclick='q1("hair's-breadth");'>hair's-breadth</a>,
.......
, </span><span style='float:left;display:block;'><a href='stair.html' target='_blank'>stair</a>. </span><span style='float:left;display:block;'>Meaning: [her /heə] n     </span>

形成以下这种文本

Synonym: fuzz, hair's-breadth
Meaning: [her /heə]


  原始html文件见附件


hair.zip (8.66 KB, 下载次数: 15)

2019-10-12 14:03 上传

点击文件名下载附件

谢谢

aa.jpg (5.99 KB, 下载次数: 71)

下载附件

2019-10-12 14:01 上传

---

作者: cfwyy    时间: 2019-10-15 08:34
vim 不会。
本来简单的文本用正则也可以，html嘛，不想烧脑 还是用html解析库吧。
下面是 用python3+lxml 实现的，仅供参考。

1. from lxml import etree
   
2. 
   
3. html = etree.parse("hair.html",etree.HTMLParser())
   
4. Synonym = html.xpath('//div[@id="content"]/div[1]/span/a[@href="javascript:;"]/text()')
   
5. Meaning = html.xpath('//div[@id="content"]/div[1]/span[last()]/text()')
   
6. Meaning = Meaning[0].split("\xa0")[1]
   
7. with open("result.txt","w",encoding="utf-8") as fw:
   
8.     fw.writelines("Synonym:{}\n".format(",".join(Synonym)))
   
9.     fw.writelines("Meaning:{}".format(Meaning))

复制代码

结果：

1. Synonym:fuzz,hair's-breadth,haircloth,hairsbreadth,pilus,tomentum,whisker
   
2. Meaning:[her /heə]

复制代码

---

作者: blackantt    时间: 2019-10-15 20:28
回复 2# cfwyy
谢谢，我试试。
  1。现在已经能用vim的非贪婪模式提取音标了。但怎么用vim在一行里提取多个关键字还没找到方法，尤其是关键字的个数不定。
  2。如果关键字行  与  音标行  在同一行。 vim的2条规则是先后起作用？


提取音标的非贪婪模式模板为  .\{-}
%s/.*\(Meaning:.\{-}\)&nbsp;<\/span>/\1/ge

---

作者: 1cpuer    时间: 2019-10-19 16:25
hair.zip 下载需扫码，方法不知道？会的回复可否

---

欢迎光临 Chinaunix (http://bbs.chinaunix.net/)

Powered by Discuz! X3.2