Re: recuperar contenido html

El Martes, 20 de Octubre de 2009 22:43:58 Luis Miguel Morillas escribió:


> La solución más rápida es la siguiente. Usa amara2 (easy_install amara)
> 
> from amara.bindery import html
> 
> doc =
>  html.parse(r'http://nlel.areyesp77.operaunite.com/file_sharing/content/art
> icle_1.html') comentarios = doc.xml_select(u"//span[@class='score']")
> for c in comentarios:
>     texto_comentario = unicode(c)
>     if 'Funny' in texto_comentario or 'Insightful' in texto_comentario:
>         print texto_comentario  # haz aquí lo que consideres con el
>  comentario.
> 
> Es esto lo que necesitas?

Por lo que se ve, hay que relacionar la puntuación con los comentarios. He 
probado un poco y lo he conseguido con el '..' de XPath para subir un nivel:


from amara.bindery import html

doc=html.parse(r'http://nlel.areyesp77.operaunite.com/file_sharing/content/article_1.html')
comentarios=doc.xml_select(u"//div[@class='commentBody']/..")
for c in comentarios:
    score=unicode(c.xml_select(u"//span[@class='score']")[0]))
    if u'Funny' in score or u'Insightful' in score:
        comment=unicode(c.div[1])
        print score, comment



Por cierto, Luis Miguel, el ftp de Uche no estaba operativo. Me he tenido que 
instalar Amara a través del repositorio mercurial.

_______________________________________________
Lista de correo Python-es 
http://listas.aditel.org/listinfo/python-es
FAQ: http://listas.aditel.org/faqpyes

-----BEGIN PGP SIGNATURE-----
Version: GnuPG v2.0.11 (GNU/Linux)

iD8DBQBK3nCRa1V4BoHtm6IRAhCKAKCFqrBnbfrFY1iJ/TIU8psT6ENtuQCeNlPQ
6LK41yTJ5sf1wiAH74HYVwo=
=LGJ0
-----END PGP SIGNATURE-----