0

Estoy haciendo un script que scrapea con bs4 cierta plataforma, la data generalmente viene con caracteres especiales/raros lo cual me obligo a hace runa funcion replace:

def replace(self, string):
    '''Funcion que reemplaza los principales
    caracterer raros (ESTANDARIZADOS!!)
    que presenta la metadata 
    en esta web, no va a reemplazar absolutamente todo
    ya que varia entre elemento html y otro.'''

    if '<img' in string:
        clean_data = string.replace('<img src="', '').replace(
                '">', '').replace('" <="" a="', '')

        return clean_data

    elif '\xa0' in string:
        clean_data = string.replace('\xa0', '')
            
        return clean_data
    
    elif '\nX\n' in string:
        clean_data = string.replace(
            '\nX\n        ', '').replace(
            '    ', '').replace(
            '\n', '')
        
        return clean_data
    
    else:
        return string

Mi pregunta es basica, como mejorar este codigo en cuanto a buenas practicas? me refiero a la cantidad de veces que seteo clean_data, y la cantidad de returns, lo cual me hacen ruido. Generalmente se van a ir agregando mas elif para testear si cierto string tiene ese caracter raro, por lo tanto siento que en cierto punto va a ser repetitivo. Gracias!

1 respuesta 1

1

A favor: el código sigue un patrón claro y consistente. Bien estructurado y documentado.

La puedes acortar usando un sólo return al final de la función. Queda más claro, además:

def replace(self, string):
    '''Funcion que reemplaza los principales
    caracterer raros (ESTANDARIZADOS!!)
    que presenta la metadata 
    en esta web, no va a reemplazar absolutamente todo
    ya que varia entre elemento html y otro.'''

    if '<img' in string:
        clean_data = string.replace('<img src="', '').replace(
            '">', '').replace('" <="" a="', '')
    elif '\xa0' in string:
        clean_data = string.replace('\xa0', '')
    elif '\nX\n' in string:
        clean_data = string.replace(
            '\nX\n        ', '').replace(
            '    ', '').replace(
            '\n', '')
    else:
        clean_data = string
        
    return clean_data

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.