Tengo una práctica que es de dada una pagina web, ver su código fuente y cuando encuentro una etiqueta <thead> empezar a leer ese código, luego <tr> y quitar etiquetas de esta manera:
-Por cada etiqueta <th> y luego otra </th> escribir esa palabra en un fichero de texto, y asi sucesivamente separándolas por un ;
Esto seria la primera fila de una tabla de datos, luego pasamos a lo que encierra la tabla que empieza por etiquetas tbody, cada etiqueta tr que empieze y acabe un salto de línea, y cada palabra encerrada por etiquetas td un ; igual que arriba.
Un ejemplo que me ponen sería
Tipo;Localizacion;Uso;Ministerio;Superficie
Edificio;Madrid CR. POZUELO-MAJADAHONDA;AGENCIA ESPAÑOLA DE CONSUMO, SEGURIDAD ALIMENTARIA Y
NUTRICIÓN (AECOSAN);Ministerio de Sanidad, Servicios Sociales e Igualdad;6202,26 m2
Edificio;Madrid CALLE HORTALEZA, 104 - 2Û IZD.;INSTITUTO DE LA MUJER Y PARA LA IGUALDAD DE
OPORTUNIDADES;Ministerio de Sanidad, Servicios Sociales e Igualdad;353 m2
Obtenido de la página:
http://transparencia.gob.es/es_ES/buscar/contenido/cibi/CIBI_DPTO26Me han dado dos funciones auxiliares aquí se las dejo, mi idea es asignar nombres de variables a etiquetas y ver cuando estan y empezar a escribir, pero no veo la forma de traducirlo a python, este es el código que llevo:
# -*- coding: utf-8 -*-
import urlib
a='<thead>'
b='<th>'
c='</th>'
d='</thead>'
e='<td>'
f='</td>'
g='<tr>'
h='</tr>'
def clean(line):
limpia=" "
abierto=0
i=0
while i<len(linea):
if linea
=='<':
abierto=abierto-1
else:
abierto+=1
while linea!='>':
i+=1
i+=1
def creartxt(nombre):
archi=open('nombre.txt','w')
archi.close()
def leer(dir):
f=urlib.open(dir)
lineas=f.readlines()
for linea in lineas:
Aquí querria ya empezar a buscar las etiquetas y empezar a distinguir casos, me ayudarían bastante si me dan ideas de código, un saludo!