Estoy intentando extraer unos caracteres de una web con python usando request. Me descargo la web haciendo lo siguiente:
r = s.get("url")
Al resultado obtenido lo guardo una variable
cadena=r.text
Esta variable la manejo posteriormente con split. El caso es que en la mayoria de los casos nos encontramos paginas con una estructura tal que asi:
<strong>MEDIO: </strong> TVE<br />
En ese caso genial, porque para extraer TVE le hago un split haciendo esto:
micadena=(cadena.split('>MEDIO: </strong> ')[1])
Pero hay otros caso que sale asi
<strong>MEDIO: </strong>TV Local <br />
Con lo cual no me vale la cadena anterior teniendo que modificarlo por esto:
micadena=cadena.split('>MEDIO: </strong>')[1])
Claro... si lo programo de la manera 1, al encontrarse algo como la manera 2 pues el programa me falla.
Mi pregunta es.. como podria hacer algo generico que me sirviera para ambos casos? ojo... en alguna web me he encontrado cosas como esta
<strong>MEDIO:</strong> TV Madrid <br />
La colocacion de los dichosos espacios me esta matando. Mi intencion es extraer TVE, TV local o TV Madrid, independientemente de como hayan colocado los espacios a la hora de programar la web. A alguien se le ocurre una solucion?