HTMLページにテキストが見つからない場合、Pythonでnull値を出力する方法は？

Question

null値をレンダリングし、Htmlページにテキストがない場合は、Pythonのリストに追加する方法が必要です。次のように

HTMLでレンダリングされた生データは、次のとおり

<BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">TICKER: </SPAN><SPAN CLASS="c2">FB (NASDAQ) (57%); </SPAN><SPAN CLASS="c4">AXP</SPAN><SPAN CLASS="c2"> (NYSE) (54%)</SPAN></P> 
    </DIV> 
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">INDUSTRY: </SPAN><SPAN CLASS="c2">NAICS511110 NEWSPAPER PUBLISHERS (61%); SIC2711 NEWSPAPERS: PUBLISHING, OR PUBLISHING &amp;</SPAN></P> 
    </DIV> 
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">LOAD-DATE: </SPAN><SPAN CLASS="c2">November 7, 2016</SPAN></P> 
<!-- Hide XML section from browser 
</DOCFULL> 
    </DOC> --> 
    <DIV CLASS="c10">&nbsp;</DIV> 
    <A NAME="DOC_ID_0_2"></A><!-- Hide XML section from browser 
    <DOC NUMBER=3> 
    <DOCFULL> --> 
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">TICKER: </SPAN><SPAN CLASS="c2">CS (PAR) (91%); AXJ (ASX) (91%); AXA (BIT) (91%); </SPAN><SPAN CLASS="c4">AXP</SPAN><SPAN CLASS="c2"> (NYSE) (57%)</SPAN></P> 
    </DIV> 
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">COUNTRY: </SPAN><SPAN CLASS="c2">UNITED KINGDOM (88%)</SPAN><SPAN CLASS="c2">&nbsp;</SPAN><SPAN CLASS="c2">United Kingdom GB</SPAN></P> 
    </DIV> 
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">REGION: </SPAN><SPAN CLASS="c2">Europe; EU; Western Europe</SPAN></P> 
    </DIV> 
    <BR><DIV CLASS="c5"><P CLASS="c6"><SPAN CLASS="c8">LOAD-DATE: </SPAN><SPAN CLASS="c2">May 12, 2016</SPAN></P> 

Iは、インの間にあるタグ、テキスト値を記述する必要があります。 TICKER,INDUSTRY,COUNTRY,REGIONおよびLOAD-DATEを2つの別々のリストに分類する。

• TICKER、INDUSTRYとLOAD-DATEを含むように1つのニーズを設定します。
• セット2には、COUNTRYとREGIONが含まれている必要があります。

COUNTRYがテキストから欠落している場合は、私が対応するリストにNull値を含むエントリを追加する必要があります。

例

• 第一のHTMLタグリストは、COUNTRYを含んでいない、などNULL格納されるべき
• 第二のHTMLタグリストは、COUNTRYを含有しない、などUnited Kingdomが格納されるべきです。

結果になる必要があります。次のように私が試してみました

['Null', 'United Kingdom\nUnited Kingdom GB'] 

ソリューションは、以下のとおりです。

countrypattern="\<SPAN CLASS=\"c8\"\>COUNTRY: </SPAN><SPAN CLASS=\"c2\"\>(.*)\</SPAN>" 
countrypatternvalues=[a.strip("*") for a in re.findall(countrypattern,response)] 
if not countrypatternvalues: 
    countrypatternvalues.append(None) 
countryvalues = re.sub(cleanr, '', str(countrypatternvalues)) 

私はこの問題を解決してください。

Answer 1

を使用して行うことができる方法の例与えることが見出さjsFiddleを編集した：いいえがある場合

import re 

res = re.findall(r"""<SPAN CLASS="c8">([A-Z]+): *</SPAN><SPAN CLASS="c2">([^<]*)</SPAN>""",html) 

class Items(object): 
    def __init__(self): 
     # list of items 
     self.items = []    

    def add_item(self, name, value): 
     if (not self.items) or (name in self.items[-1]): 
      self.items.append({}) 
     self.items[-1][name] = value 

    def get_list(self, key): 
     return [ item[key] if key in item else None for item in self.items ]   


items = Items() 

for item in res: 
    items.add_item(item[0], item[1]) 

print items.get_list('COUNTRY') 

これは動作しますが重複が別のグループを生成するので、グループ内の名前の重複。

Answer 2

私はあなたにこれがあなたはここでsplit(':')

http://jsfiddle.net/4XumV/29/