gpt4 book ai didi

python - BeautifulSoup : Get the Contents of Sub-Nodes

转载 作者:太空宇宙 更新时间:2023-11-04 11:02:41 24 4
gpt4 key购买 nike

我有以下 python 代码:

def scrapeSite(urlToCheck):
html = urllib2.urlopen(urlToCheck).read()
from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)
tdtags = soup.findAll('td', { "class" : "c" })
for t in tdtags:
print t.encode('latin1')

这将返回以下 html 代码:

<td class="c">
<a href="more.asp">FOO</a>
</td>
<td class="c">
<a href="alotmore.asp">BAR</a>
</td>

我想获取 a 节点(例如 FOO 或 BAR)之间的文本,即 t.contents.contents。不幸的是,它并不那么容易:)有谁知道如何解决这个问题?

非常感谢,感谢任何帮助!

干杯,约瑟夫

最佳答案

在这种情况下,您可以使用 t.contents[1].contents[0]得到 FOO 和 BAR。

问题是 contents 返回一个包含所有元素(Tags 和 NavigableStrings)的列表,如果你打印 contents,你可以看到它是这样的

[u'\n', <a href="more.asp">FOO</a>, u'\n']

因此,要获得您需要访问的实际标签 contents[1] (如果您有完全相同的内容,这可能会因源 HTML 的不同而有所不同),找到合适的索引后,您可以使用 contents[0]之后获取 a 标签内的字符串。

现在,由于这取决于 HTML 源的确切内容,因此它非常脆弱。一个更通用和更强大的解决方案是使用 find()再次通过 t.find('a') 找到“a”标签然后使用内容列表获取其中的值 t.find('a').contents[0]或者只是 t.find('a').contents获取整个列表。

关于python - BeautifulSoup : Get the Contents of Sub-Nodes,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3987732/

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