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?
本帖最后由 blackantt 于 2019-10-15 20:24 编辑
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。
from lxml import etree
html = etree.parse("hair.html",etree.HTMLParser())
Synonym = html.xpath('//div[@id="content"]/div[1]/span/a[@href="javascript:;"]/text()')
Meaning = html.xpath('//div[@id="content"]/div[1]/span[last()]/text()')
Meaning = Meaning[0].split("\xa0")[1]
with open("result.txt","w",encoding="utf-8") as fw:
fw.writelines("Synonym:{}\n".format(",".join(Synonym)))
fw.writelines("Meaning:{}".format(Meaning))
复制代码
结果:
Synonym:fuzz,hair's-breadth,haircloth,hairsbreadth,pilus,tomentum,whisker
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/.*\(Meaning:.\{-}\) <\/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