0

tengo un script de Python que recolecta toda la información desde <dat> hasta </dat> lo he hecho funcionar pero solo funciona con un par de etiquetas (No puedo utilizar modulos, si no ya hubiese usado Beautiful Soup):

word = """
outside
<dat>
Hello
how
it's
going
</dat>
outside
"""

sidx = word.index('<dat>')+len('<dat>')+1
eidx = word.index('</dat>')-1

data = word[sidx:eidx]
print(data)

esto funciona correctamente pero si cambio:

word = """
outside
<dat>
Hello
how
</dat>
middle
<dat>
it's
going
</dat>
outside
"""

solo devuelve el primer par de etiquetas:

Hello
how

como puedo hacer para conseguir el contenido de todas las etiquetas y no solo una

1
  • @HeytalePazguato el primer fragmento de código funciona, necesito saber como hacer eso pero con mas de 2 etiquetas
    – dev-t4d3
    Commented el 28 feb. 2022 a las 14:02

1 respuesta 1

2

Esta función procesa un texto con marcas. Para ello divide el texto en palabras usando split().

La variable salida es la lista de los trozos extraídos. Cada elemento es una sublista con las palabras del trozo en cuestión.

La variable trozo contiene la lista en formación con el contenido entre el <dat> y el </dat> actual. Esta variable es None cuando se mira una palabra fuera de las etiquetas. Cuando se detecta el comienzo de un trozo (<dat>), trozo se inicializa con una lista vacía.

Toda palabra leída cuando trozo es una lista, se agrega a ella.

Cuando se encuentra un <\dat>, se agrega trozo a salida antes de volverlo a None, lo que señala que estamos fuera de las etiquetas:

def extraer(xml):
    salida = []
    trozo = None
    for palabra in xml.split():
        if palabra == "<dat>":
            trozo = []
        elif palabra == "</dat>":
            salida.append(trozo)
            trozo = None
        elif trozo is not None:
            trozo.append(palabra)

return salida

Demo

word = """
outside
<dat>
Hello
how
</dat>
middle
<dat>
it's
going
</dat>
outside
"""

print(extraer(word))

produce:

[['Hello', 'how'], ["it's", 'going']]

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.