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。
最佳答案
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?
关于python - Beautifulsoup 无法找到名称中带有连字符的类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25375351/