python - 如何使用 Python 从容器内的文本中抓取 Td

Question

我正在尝试从容器内抓取文本，但我无法弄清楚如何抓取其中的一些文本。

此代码适用于抓取工具，该抓取工具从格式如下的网页中为每个条目提取三列:

<td class="EP">1</td>
</tr>
<tr class="EG">
<td>
</td>
<td>
<a href="https://www.COMPANYWEBSITE/">COMPANY NAME</a>
</td>
<td DO="9999">
<div class="BN">9999</div>
<img src="https://www.IMAGE.com">
</td>
<td>
Keyword 1, Keyword 2, Keyword 3, Keyword 4
</td>
<td>New York City</td>
<td>USA</td>

我已成功抓取公司名称和 BN(即 9999)，但我还需要抓取每个关键字，这就是我遇到麻烦的地方。

我使用了以下 Python 代码:

page_soup = soup(page_html, "html.parser") 
TT = page_soup.findAll("tr",{"class":"EG"})
container = TT[0]

for container in TT:

    company_name = container.a.text

    b_n = container.div.text

    keywords = container.?????

我不知道如何将关键字输入到我的输出中。任何帮助将不胜感激。

Answer 1

你可以使用第n种类型

from bs4 import BeautifulSoup as bs

html = '''
<td class="EP">1</td>
</tr>
<tr class="EG">
<td>
</td>
<td>
<a href="https://www.COMPANYWEBSITE/">COMPANY NAME</a>
</td>
<td DO="9999">
<div class="BN">9999</div>
<img src="https://www.IMAGE.com">
</td>
<td>
Keyword 1, Keyword 2, Keyword 3, Keyword 4
</td>
<td>New York City</td>
<td>USA</td>

'''

page_soup = bs(html, 'lxml')
TT = page_soup.findAll("tr",{"class":"EG"})
for container in TT:
    print(container.select_one('td:nth-of-type(4)').text)