python - Python3-BeautifulSoup-获取两个标签之间的值，其中两个之间的值

我下面有HTML块，它们是由pdftotext使用-bbox-layout选项生成的：

<flow>
<block xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="116.233001">
    <line xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="101.833000">
        <word xMin="21.600000" yMin="86.356000" xMax="178.647000" yMax="101.833000">
            My text string located here!</word>
    </line>

</block>
</flow>

[...]
<flow>
<block xMin="223.560000" yMin="323.675000" xMax="345.563500" yMax="339.855500">
    <line xMin="223.560000" yMin="323.675000" xMax="345.563500" yMax="339.855500">
        <word xMin="223.560000" yMin="323.675000" xMax="316.836500" yMax="339.855500">Another string
        </word>
        <word xMin="320.022000" yMin="323.675000" xMax="345.563500" yMax="339.855500">And another!</word>
    </line>
</block>
</flow>

现在，我试图动态解析上述结构，并获取每个<block>[...]</block>内容，其中xMin和xMax的值介于两个数字之间。

假设我有以下数字：

areas[0] = (100, 0, 200, 792)
areas[1] = (200, 0, 612, 792)

with open(path_to_html_document) as html_file:
    parsed_html = BeautifulSoup(html_file)
    for (i, area) in enumerate(areas):

        xMinValue, xMaxValue = areas[i][0], areas[i][2]

        block_tags = parsed_html.find_all(
            "block", attrs={"xMin": xMinValue, "xMax": xMaxValue})

        print(block_tags)

上面的代码不返回任何内容，因为没有匹配的标签。 find_all()搜索具有特定编号的block标签的完全匹配-但我正在尝试搜索block标签，其中xMin和xMax为：

areas[0] is between 100 and 200

areas[1] is between 200 and 612

BeautifulSoup可以做到吗？

最佳答案

替换您的代码：

block_tags = parsed_html.find_all(
            "block", attrs={"xMin": xMinValue, "xMax": xMaxValue})
print(block_tags)

至：

block_tags = parsed_html.find_all("block")

for block in block_tags:
    if float(block['xmin']) >= xMinValue and  float(block['xmax']) <= xMinValue:
        print(block)

如果调试html代码print(parsed_html)，您将看到html block所有属​​性以小写字母表示。

关于python - Python3-BeautifulSoup-获取两个标签之间的值，其中两个之间的值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56736629/