идентификация регулярного выражения по слову

Question

Как с помощу регулярных выражений получить цифры с тега если идентифицировать тег можно только по слову (Матчи,Забито Голов,Пропущено голов)?

дело в том что ето в большом теге div , и здесь только по слове внутри тега можно определить откуда брать цифры , r"<tr>.*Матчи.*</tr>", r"<tr>.*Пропущено голов.*</tr>", r"<tr>.*Забито голов.*</tr>" я так пробовал но не работает, мне нужно чтобы регулярка находила тег <tr> потом какието символы потом опредиляющее слово а потом тоже какието символы и закрыващий тег </tr>




<tr>
<td>10</td>
<td>Матчи </td>
<td>10</td>
</tr>

<tr>
<td class="red">14</td>
<td>Забито голов </td>
<td class="green">16</td>
</tr>

<tr>
<td class="green">15</td>
<td>Пропущено голов </td>
<td class="red">26</td>
</tr>

вот код , я хочу с большого тега div найти определенные теги tr по ключевым словам а потом снова через регулярные выражения найти два числа , но регулярка неработает и просто выводит все числа с большого тега div.


class GameData:
    def __init__(self, html_text: str):
        self.__html_text = html_text.replace("\n", "")

    def get_games_quantity(self):
        pattern = r"<tr>.*Матчи.*</tr>"
        games_quantity_html_text = "".join(re.findall(pattern=pattern, string=self.__html_text))
        return re.findall(pattern=r"\d\d|\d", string=games_quantity_html_text)

    def get_goals_scored(self):
        pattern = r"<tr>.*Забито голов.*</tr>"
        games_quantity_html_text = "".join(re.findall(pattern=pattern, string=self.__html_text))
        return re.findall(pattern=r"\d\d|\d", string=games_quantity_html_text)

    def get_conceded_goals(self):
        pattern = r"<tr>.*Пропущено голов.*</tr>"
        games_quantity_html_text = "".join(re.findall(pattern=pattern, string=self.__html_text))
        return re.findall(pattern=r"\d\d|\d", string=games_quantity_html_text)

    def get_all_parametrs(self):
        return dict(
            games=self.get_games_quantity(),
            goals_scored=self.get_goals_scored(),
            conceded_goals=self.get_conceded_goals()
        )

Answer 1

Я бы предложил для парсинга html таблиц использовать библиотеку Pandas:

import pandas as pd

html = '''
<table>
<tr>
<td>10</td>
<td>Матчи </td>
<td>10</td>
</tr>

<tr>
<td class="red">14</td>
<td>Забито голов </td>
<td class="green">16</td>
</tr>

<tr>
<td class="green">15</td>
<td>Пропущено голов </td>
<td class="red">26</td>
</tr>
</table>
'''

df = pd.read_html(html)[0]

Тогда в df получится такая табличка из 3-х строк и 3-х столбцов:


     0                1  2
0   10            Матчи 10
1   14     Забито голов 16
2   15  Пропущено голов 26

Доставать из неё данные можно, например, так:

goals1 = df.loc[df[1] == 'Забито голов', 0].values[0]
goals2 = df.loc[df[1] == 'Забито голов', 2].values[0]
print(goals1, goals2)

Вывод:

14 16

БЛОГ НА HUSL

идентификация регулярного выражения по слову

Ответы (1 шт):