gpt4 book ai didi

python - 使用 BeautifulSoup 提取特定的 dl 和 dd 列表元素

转载 作者:搜寻专家 更新时间:2023-10-31 23:00:09 24 4
gpt4 key购买 nike

第一次发帖。我正在使用 BeautifulSoup 4 和 python 2.7 (pycharm)。我有一个包含元素的网页,我需要提取标签为“薪水:”或“日期:”的特定元素,该页面包含多个列表。

问题:我似乎无法识别和提取特定文本。我已经搜索过这个网站并尝试过但没有成功。

示例 html:

<dl><dt>Date:</dt><dd>13 September 2015</dd><dt>Salary:</dt><dd>Starting at £40,130 per annum.</dd></dl><dl><dt>Date:</dt><dd>15 December 2015</dd><dt>Salary:</dt><dd>Starting at £22,460 per annum.</dd></dl><dl><dt>Date:</dt><dd>10 January 2014</dd><dt>Salary:</dt><dd>Starting at £18,160 per annum.</dd></dl>

我试过没有成功的代码:

r = requests.get("http://www.mywebsite.com/test.html")
soup = BeautifulSoup(r.content, "html.parser")
dl_data = soup.find_all("dl")
for dlitem in dl_data:
print dlitem.find("dt",text="Date:").parent.findNext("dd").contents[0]
print dlitem.find("dt",text="Salary:").parent.findNext("dd").contents[0]

预期结果:

13 September 2015
15 December 2015
10 January 2014
Starting at £40,130 per annum.
Starting at £22,460 per annum.
Starting at £18,160 per annum.

实际结果:

print dlitem.find("dt",text="Date:").parent.findNext("dd").contents[0]
AttributeError: 'NoneType' object has no attribute 'parent'

我尝试了此代码的多种变体并绕了一圈,我想出了如何将所有 dd 元素打印到屏幕上,而不是特定的 dd 元素!

谢谢

最佳答案

如果顺序不重要,只需进行一些更改:

...
dl_data = soup.find_all("dd")
for dlitem in dl_data:
print dlitem.string

结果:

13 September 2015
Starting at £40,130 per annum.
15 December 2015
Starting at £22,460 per annum.
10 January 2014
Starting at £18,160 per annum.

对于您的最新请求:

for item in list(zip(soup.find_all("dd")[0::3],soup.find_all("dd")[2::3])):
date, salary = item
print ', '.join([date.string, salary.string])

输出:

13 September 2015, 100
14 September 2015, 200

关于python - 使用 BeautifulSoup 提取特定的 dl 和 dd 列表元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32475700/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com