python - BeautifulSoup - 处理类似表格的网站结构|返回字典

Question

我有一些 html，看起来像一本字典:

制造商网站:网站，

总部:位置等..

每个部分都包含在自己的 div 中(因此 findAll，div 类名)。

是否有一种优雅且简单的方法将此类代码提取到字典中？或者是否必须迭代每个 div，找到两个文本项，并假设第一个文本项是字典的键，第二个值是同一字典元素的值。

示例站点代码:

    car = '''
     <div class="info flexbox">
       <div class="infoEntity">
        <span class="manufacturer website">
         <a class="link" href="http://www.ford.com" rel="nofollow noreferrer" target="_blank">
          www.ford.com
         </a>
        </span>
       </div>
       <div class="infoEntity">
        <label>
         Headquarters
        </label>
        <span class="value">
         Dearbord, MI
        </span>
       </div>
       <div class="infoEntity">
        <label>
         Model
        </label>
        <span class="value">
         Mustang
        </span>
       </div>
    '''

car_soup = BeautifulSoup(car, 'lxml')
print(car_soup.prettify())

elements = car_soup.findAll('div', class_ = 'infoEntity')
for x in elements:
    print(x)  ###and then we start iterating over x, with beautiful soup, to find value of each element.

期望的输出是这样的

expected result result = {'manufacturer website':"ford.com", 'Headquarters': 'Dearborn, Mi', 'Model':'Mustang'}

附注此时我已经用非优雅的方式做了几次，只是想知道我是否遗漏了一些东西，以及是否有更好的方法来做到这一点。预先感谢您!

Answer 1

或者，为了使事情或多或少通用和简单，您可以将带有标签和制造商网站链接的字段的处理分开:

soup = BeautifulSoup(car, 'lxml')

car_info = soup.select_one('.info')
data = {
    label.get_text(strip=True): label.find_next_sibling().get_text(strip=True)
    for label in car_info.select('.infoEntity label')
}
data['manufacturer website'] = car_info.select_one('.infoEntity a').get_text(strip=True)

print(data)

打印:

{'Headquarters': 'Dearbord, MI', 
 'Model': 'Mustang', 
 'manufacturer website': 'www.ford.com'}