python - Beautifulsoup 无法找到名称中带有连字符的类

Question

我在运行 Python 2.7.8 的 MacOSX 上使用 BeautifulSoup4。我很难从以下 html 代码中提取信息

 <tbody tabindex="0" class="yui-dt-data" id="yui_3_5_0_1_1408418470185_1650">
      <tr id="yui-rec0" class="yui-dt-first yui-dt-even">
           <td headers="yui-dt0-th-rank" class="rank yui-dt0-col-rank"></td>
           </tr>
      <tr id="yui-rec1" class="yui-dt-odd">...</tr>
      <tr id="yui-rec2" class="yui-dt-even">...</tr>
 </tbody>

我似乎无法获取表格或其中的任何内容，因为 BS 和/或 python 似乎无法识别带有连字符的值。所以通常的代码，比如

 Table = soup.find('tbody',{'class':'yui-dt-data'})

或

 Row2 = Table.find('tr',{'id':'yui-rec2'})

只返回一个空对象(不是 NONE，只是空对象)。我不是 BS4 或 Python 的新手，之前我已经从该站点提取信息，但现在的类名与我以前做的时候不同。现在一切都有连字符。有没有办法让 Python 识别连字符或解决方法？

我需要让我的代码具有通用性，以便我可以在所有具有相同类名的多个页面上运行它。不幸的是，id <tbody> 中的属性对于那个特定的表是唯一的，所以我不能用它来跨网页识别这个表。

如有任何帮助，我们将不胜感激。提前致谢。

Answer 1

以下代码:

from bs4 import BeautifulSoup

htmlstring = """ <tbody tabindex="0" class="yui-dt-data" id="yui_3_5_0_1_1408418470185_1650">
      <tr id="yui-rec0" class="yui-dt-first yui-dt-even">
      <tr id="yui-rec1" class="yui-dt-odd">
      <tr id="yui-rec2" class="yui-dt-even">"""


soup = BeautifulSoup(htmlstring)
Table = soup.find('tbody', attrs={'class': 'yui-dt-data'}) 
print("Table:\n")
print(Table)
tr = Table.find('tr', attrs={'class': 'yui-dt-odd'}) 
print("tr:\n")
print(tr)

输出:

Table:

<tbody class="yui-dt-data" id="yui_3_5_0_1_1408418470185_1650" tabindex="0">
<tr class="yui-dt-first yui-dt-even" id="yui-rec0">
<tr class="yui-dt-odd" id="yui-rec1">
<tr class="yui-dt-even" id="yui-rec2"></tr></tr></tr></tbody>
tr:

<tr class="yui-dt-odd" id="yui-rec1">
<tr class="yui-dt-even" id="yui-rec2"></tr></tr>

即使您提供的 html 本身无效，BS 似乎也在猜测它应该如何，因为 soup.pretify() 产生

<tbody class="yui-dt-data" id="yui_3_5_0_1_1408418470185_1650" tabindex="0">
 <tr class="yui-dt-first yui-dt-even" id="yui-rec0">
  <tr class="yui-dt-odd" id="yui-rec1">
   <tr class="yui-dt-even" id="yui-rec2">
   </tr>
  </tr>
 </tr>
</tbody>

虽然我猜那些 tr 不应该被嵌套。

你能试着运行那个确切的代码并看看输出是什么吗？