如何通过Python过滤网页爬取结果，仅提取S63.SI代码？

嘿，我来帮你搞定这个股票代码提取的问题！你现在的代码已经能抓到目标文本了，不过先得修正一个小问题：原代码里的container没有定义，应该换成page_soup，而且findAll会返回一个列表，我们用find来直接获取单个目标元素更合适。接下来给你两种可靠的提取方式：

方法一：字符串分割法 #

利用字符串的分割操作，直接把括号里的内容拆出来，代码简单直观：

from urllib.request import urlopen as uReq
from bs4 import BeautifulSoup as soup
import numpy as np
import pandas as pd

my_url = 'https://sg.finance.yahoo.com/quote/S63.SI/history?p=S63.SI'
uClient = uReq(my_url)
page_html = uClient.read()
uClient.close()

# html parsing
page_soup = soup(page_html, "html.parser")
# 修正：用find获取单个元素，而非findAll
target_element = page_soup.find("td", {"class":"D(ib) Fz(18px)"})
# 提取括号内的股票代码
stock_code = target_element.text.split('(')[1].split(')')[0]
print(stock_code)  # 输出：S63.SI

方法二：正则表达式法 #

如果以后遇到更复杂的文本格式，正则表达式会更灵活，能精准匹配括号内的内容：

from urllib.request import urlopen as uReq
from bs4 import BeautifulSoup as soup
import numpy as np
import pandas as pd
import re  # 导入正则模块

my_url = 'https://sg.finance.yahoo.com/quote/S63.SI/history?p=S63.SI'
uClient = uReq(my_url)
page_html = uClient.read()
uClient.close()

# html parsing
page_soup = soup(page_html, "html.parser")
target_element = page_soup.find("td", {"class":"D(ib) Fz(18px)"})
# 匹配括号内的任意内容
pattern = r'\((.*?)\)'
match_result = re.search(pattern, target_element.text)
if match_result:
    stock_code = match_result.group(1)
    print(stock_code)  # 输出：S63.SI

两种方法都能完美提取出你想要的S63.SI，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者Lim Han Yang