python - 从图书馆目录中收集信息

我正在做一个项目，从一个特定的图书馆中搜集图书的目录信息。到目前为止，我的脚本可以从表中删除所有单元格。然而，我对如何只归还新不列颠图书馆的特定单元感到困惑。

import requests
from bs4 import BeautifulSoup

mypage = 'http://lci-mt.iii.com/iii/encore/record/C__Rb1872125__S%28*%29%20f%3Aa%20c%3A47__P0%2C3__Orightresult__U__X6?lang=eng&suite=cobalt'
response = requests.get(mypage)

soup = BeautifulSoup(response.text, 'html.parser')

data = []
table = soup.find('table', attrs={'class':'itemTable'})


rows = table.find_all('tr')
for row in rows:
    cols = row.find_all('td')
    cols = [ele.text.strip() for ele in cols]
    data.append([ele for ele in cols if ele]) # Get rid of empty values

for index, libraryinfo in enumerate(data):
    print(index, libraryinfo)

以下是脚本中新不列颠图书馆的输出示例：

["New Britain, Main Library - Children's Department", 'J FIC PALACIO', 'Check Shelf']

与其把所有的牢房都退回去，我怎么能只退回有关新不列颠图书馆的牢房呢？我只想要图书馆名称和结帐状态。
期望的输出是：

["New Britain, Main Library - Children's Department", 'Check Shelf']

可以有多个单元格，因为一本书可以在同一个库中有多个副本。

最佳答案

为了简单地根据特定字段（示例中的第一个字段）筛选出数据，您可以构建一个理解：

[element for element in data if 'New Britain' in element[0]]

您提供的示例消除了使数据元素具有不同大小的空值。这使得很难知道哪个字段对应于每个数据组件。使用dict我们可以使数据更容易理解和处理。
有些字段的内部似乎有空块（只有类似空格的字符['\n'，'\r'，'\t'，' '，]）。所以脱衣舞不会移除这些。将它与一个简单的正则表达式相结合可以帮助改进这一点。为此，我编写了一个简单的函数：

def squish(s):
    return re.sub(r'\s+', ' ', s)

总之，我相信这会帮助你：

import re

import requests
from bs4 import BeautifulSoup


def squish(s):
    return re.sub(r'\s+', ' ', s)


def filter_by_location(data, location_name):
    return [x for x in data if location_name.lower() in x['Location'].lower()]


mypage = 'http://lci-mt.iii.com/iii/encore/record/C__Rb1872125__S%28*%29%20f%3Aa%20c%3A47__P0%2C3__Orightresult__U__X6?lang=eng&suite=cobalt'
response = requests.get(mypage)

soup = BeautifulSoup(response.text, 'html.parser')

data = []
table = soup.find('table', attrs={'class':'itemTable'})

headers = [squish(element.text.strip()) for element in table.find('tr').find_all('th')]

for row in table.find_all('tr')[1:]:
    cols = [squish(element.text.strip()) for element in row.find_all('td')]
    data.append({k:v for k, v in zip(headers, cols)})

filtered_data = filter_by_location(data, 'New Britain')
for x in filtered_data:
    print('Location: {}'.format(x['Location']))
    print('Status: {}'.format(x['Status']))
    print()

运行结果如下：

Location: New Britain, Jefferson Branch - Children's Department
Status: Check Shelf

Location: New Britain, Main Library - Children's Department
Status: Check Shelf

Location: New Britain, Main Library - Children's Department
Status: Check Shelf

关于python - 从图书馆目录中收集信息，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50431651/