如何用Python从指定HTML中提取年级信息PK,0K,01,02,03,04,05,SE

核心思路 #

先定位包含目标年级的HTML节点，再提取对应内容并筛选出「PK,0K,01,02,03,04,05,SE」这些指定代码。

具体实现方案 #

情况1：年级文本直接显示在标签内 #

假设你的HTML片段结构类似：

提供年级：PK, 0K, 01, 02, 03, 04, 05, SE

代码实现：

from bs4 import BeautifulSoup

# 替换为你实际获取的HTML内容
html_content = """<div class="school-grades">提供年级：PK, 0K, 01, 02, 03, 04, 05, SE</div>"""

soup = BeautifulSoup(html_content, "html.parser")
# 定位到包含年级的元素（根据实际标签、类名调整）
grade_node = soup.find("div", class_="school-grades")

if grade_node:
    # 提取文本并清理无关内容
    raw_text = grade_node.get_text(strip=True)
    # 拆分出所有年级代码
    all_grades = raw_text.split("：")[-1].split(", ")
    # 筛选目标年级
    target_grades = {"PK", "0K", "01", "02", "03", "04", "05", "SE"}
    filtered_grades = [g for g in all_grades if g in target_grades]
    # 拼接成需要的字符串格式
    result = ", ".join(filtered_grades)
    print(result)  # 输出：PK, 0K, 01, 02, 03, 04, 05, SE

情况2：年级存储在元素属性中 #

如果年级代码是放在data-*这类属性里，比如：

直接提取属性值即可：

soup = BeautifulSoup(html_content, "html.parser")
grade_node = soup.find("span", attrs={"data-grade-list": True})

if grade_node:
    result = grade_node["data-grade-list"]
    print(result)  # 输出：PK,0K,01,02,03,04,05,SE

常见问题排查 #

• 确认元素定位是否准确：用soup.prettify()打印解析后的HTML，核对目标节点的标签名、类名/属性是否和代码中一致。
• 处理文本格式差异：如果HTML里的年级是PK,0K（无空格），拆分时要改用split(",")。
• 统一大小写：如果HTML里出现小写的pk，可以用g.upper()转换后再筛选。

内容的提问来源于stack exchange，提问作者David Mei