【问题】
本人在用BeautifulSoup抓到这些数据后（当然还有其他部分）不知道如何能够用BeautifulSoup的解析方法（用re好像很复杂）去提取我想要的24,804,000,000.00与1,511,750,000.00这两个数据，望各位大神出手相助！ |
【解答】
1.想要提取数据，就要看清楚对应的html的结构，所以，手动格式化为：
<tr>
<td width='150px'><strong>报表日期</strong></td>
<td style='text-align:right;'>2013-03-31</td>
</tr>
<tr>
</tr>
<tr>
<td colspan='5'><strong>流动资产</strong></td>
</tr>
<tr>
<td style='padding-left:30px' width='150px'>
<a target='_blank' href='/corp/view/vFD_FinanceSummaryHistory.php?stockid=002024&type=cbsheet1'>货币资金</a>
</td>
<td style='text-align:right;'>24,804,000,000.00</td>
</tr>
<tr>
<td style='padding-left:30px' width='150px'><a target='_blank' href='/corp/view/vFD_FinanceSummaryHistory.php?stockid=002024&type=cbsheet110'>交易性金融资产</a></td>
<td style='text-align:right;'>1,511,750,000.00</td>
</tr>
</tbody>就容易看清楚结构了。
2.可以看到，如果你此处确定上述的html的代码结构不会变的前提下：
那么是可以去通过：
findAll(name="td", attrs={"style":"text-align:right;"})搜索到那三个td的：
<td style=’text-align:right;’>2013-03-31</td> <td style=’text-align:right;’>1,511,750,000.00</td> |
3.（我自己也是刚知道的）
再去通过text参数去匹配对应的soup.string
其中BeautifulSoup的findAll中，支持正则re，所以可以用：
findAll(name="td", attrs={"style":"text-align:right;"}, text=re.compile("\d+(,\d+)*\.\d+"))去只匹配，你所需要的，那两个货币值：
24,804,000,000.00
1,511,750,000.00
（注意：不是那两个，完整的td：
<td style=’text-align:right;’>24,804,000,000.00</td> |
）
4.完整代码如下：
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
Function:
【解答】关于BeautifulSoup抓取目标数据的问题
https://www.crifan.com/use_python_beautifulsoup_findall_to_find_money_string
Author: Crifan Li
Version: 2013-06-06
Contact: https://www.crifan.com/contact_me
"""
import re;
from BeautifulSoup import BeautifulSoup;
def beautifulsoup_capture_money():
"""
1. answer other's question
2. demo BeautifulSoup usage: findAll(text=xxx)
"""
html = """<tr>
<td width='150px'><strong>报表日期</strong></td>
<td style='text-align:right;'>2013-03-31</td>
</tr>
<tr>
</tr>
<tr>
<td colspan='5'><strong>流动资产</strong></td>
</tr>
<tr>
<td style='padding-left:30px' width='150px'>
<a target='_blank' href='/corp/view/vFD_FinanceSummaryHistory.php?stockid=002024&type=cbsheet1'>货币资金</a>
</td>
<td style='text-align:right;'>24,804,000,000.00</td>
</tr>
<tr>
<td style='padding-left:30px' width='150px'><a target='_blank' href='/corp/view/vFD_FinanceSummaryHistory.php?stockid=002024&type=cbsheet110'>交易性金融资产</a></td>
<td style='text-align:right;'>1,511,750,000.00</td>
</tr>
</tbody>""";
soup = BeautifulSoup(html);
#\d+(,\d+)*\.\d+
#can match:
#24,804,000,000.00
#1,511,750,000.00
#123,750,000.00
#123,000.456
#23400.456
#...
foundTds = soup.findAll(name="td", attrs={"style":"text-align:right;"}, text=re.compile("\d+(,\d+)*\.\d+"));
# !!! here match only the match re.compile text, not whole td tag
print "foundTds=",foundTds; #foundTds= [u'24,804,000,000.00', u'1,511,750,000.00']
if(foundTds):
for eachMoney in foundTds:
print "eachMoney=",eachMoney;
# eachMoney= 24,804,000,000.00
# eachMoney= 1,511,750,000.00
if __name__ == "__main__":
beautifulsoup_capture_money();
【总结】
BeautifulSoup的findAll中，还支持传递text，去匹配对应的soup节点的string的值；
需要注意的是，匹配出来的值，不是整个html的tag（此处不是完整的td的节点）
而是对应的，符合你的text的字符串值（此处是，符合re.compile("\d+(,\d+)*\.\d+")的字符串的那部分的值）
注：
关于BeautifulSoup的findAll的函数说明，不了解的可以参考我的教程：
【教程】Python中第三方的用于解析HTML的库：BeautifulSoup
中所提到的，BeautifulSoup官网的教程：
findAll(name=None, attrs={}, recursive=True, text=None, limit=None, **kwargs)
转载请注明：在路上 » 【解答】关于BeautifulSoup抓取目标数据的问题
width150pxSoupList = soup.findAll(attrs={"width":"150px"}); for width150pxSoup in width150pxSoupList: if("style" in width150pxSoup): print "width150pxSoup["style"]",width150pxSoup["style"];方案2： 或者是： 直接搜width为150px，以及style为任意值 也可以找到对应的那两个带style的td的值 代码：width150pxStyleSoupList = soup.findAll(attrs={"width":"150px", "style":True}); for width150pxStyleSoup in width150pxStyleSoupList: print "width150pxStyleSoup["style"]=",width150pxStyleSoup["style"];