Question

我需要从网站上搜索设备的价格，价格在网站上提到两种类型：

单一价格例如$ 99.99
价格范围例如。 “49.99美元”到“99.99美元”

在单个类下提到单个价格值，我可以提取这些值，但在2个类中提到了价格范围。

<div class="gridPrice">"$199.99" 
 <span class="multiDevicePrice-to">to</span> "$399.99"

作为范围提到的价格是双引号，而单个价格的价格没有任何报价。

我使用以下代码：

import csv
import urllib2
import sys  
from bs4 import BeautifulSoup
page = urllib2.urlopen('http://www.att.com/shop/wireless/devices/smartphones.html').read()
soup = BeautifulSoup(page)
soup.prettify()
for anchor1 in soup.findAll('div', {"class": "listGrid-price"},text=True):
    if anchor1.string:
        print unicode(anchor1.string).strip()
for anchor2 in soup.findAll('div', {"class": "gridPrice"},text=True):
    if anchor2.string:
        print unicode(anchor2.string).strip()

在输出中，我没有得到价格范围的值，我需要的是所有价格的列表。

Answer 1

您可以使用.stripped_strings attribute获取给定标记中所有（已剥离）文本值的可迭代内容：

for anchor1 in soup.findAll('div', {"class": "listGrid-price"}):
    textcontent = u' '.join(anchor1.stripped_strings)
    if textcontent:
        print textcontent

您可能只需选择其中的一个或两个值; itertools.islice可以提供帮助：

from itertools import islice

for anchor1 in soup.findAll('div', {"class": "listGrid-price"}):
    textcontent = u' '.join(islice(anchor1.stripped_strings, 0, 3, 2))
    if textcontent:
        print textcontent

islice调用仅选择第一个和第三个元素，即网格中的from和to价格。

在html页面上的不同类下打印数据的问题，一起使用美丽的汤

1 个答案: