python - 如何处理 colspan == '' 的 td 标签？

Question

我正在尝试使用 BeautifulSoup 从 html 源中提取数据。这是来源

<td class="advisor" colspan="">

这是我的代码:

soup = BeautifulSoup(html, 'html.parser')
tds = soup.find_all('td')

for td in tds:
    if td["colspan"] == '':
        col = 0
    else:
        col = int(td["colspan"])

但是，我收到此错误:

ValueError: invalid literal for int() with base 10: ''

我知道这个错误意味着 '' 无法转换为整数，但为什么我的 'if' 不起作用？我觉得这种情况应该去

col = 0

而不是

col = int(td["colspan"])

Answer 1

我建议您按如下方式使用异常处理:

from bs4 import BeautifulSoup

html = """
    <td class="advisor" colspan="2"></td>
    <td class="advisor" colspan=""></td>
    <td class="advisor" colspan="x"></td>
    """

soup = BeautifulSoup(html, 'html.parser')
tds = soup.find_all('td')

for td in tds:
    try:
        col = int(td["colspan"])
    except (ValueError, KeyError) as e:
        col = 0

    print(col)

这将显示以下内容:

2
0
0

使用 Python 3.4.3 进行测试