Question

我已经构建了一个带有for循环的webscraper。我不知道为什么，但它返回一个url（这是我希望它返回的），然后在获取列表中的下一个url之前，它返回一个NoneType对象。除了使脚本变慢之外，这不是什么大问题，如果不是因为我不能让它打印得比第一个网址更多。

from BeautifulSoup import BeautifulSoup
from mechanize import Browser
br = Browser()
page = br.open("https://bdkv2.borger.dk/foa/Sider/default.aspx?fk=22&foaid=11541520")
html = page.read()
soup = BeautifulSoup(html)
link = soup.findAll('a')
kommunelink = link[21:116]
for kommune in kommunelink:
    kommuneside = br.open(kommune['href'])
    html2 = kommuneside.read()
    soup2 = BeautifulSoup(html2)
    hjemmesidelink = soup2.find('a', id='_uscAncHomesite')
    print hjemmesidelink['href']

这样我的输出是这样的：

http://www.albertslund.dk

Traceback (most recent call last):
File "C:\Users\kba\Desktop\kommuneskraber.py", line 14, in <module>
print hjemmesidelink['href']
TypeError: 'NoneType' object has no attribute '__getitem__'

我已经尝试过搞乱这样的东西：如果变量==特定的类，那么打印，但这不起作用。例如：

If hjemmesidelink['href'] == <class 'BeautifulSoup.Tag'>:
    print hjemmesidelink['href']

if hjemmesidelink.class == BeautifulSoup.Tag:
    print hjemmesidelink['href']

知道应该如何吗？或者甚至更好，任何想法我的脚本每次在循环中迭代时获取'NoneType'对象的位置/原因？非常感谢。

Answer 1

这不是一个完整的答案，但是如果你看一下评论，这将只回答关于不产生错误的部分。

代码的这一部分：

print hjemmesidelink['href']

替换为：

if hjemmesidelink:
    print hjemmesidelink['href']

if hjemmesidelink:检查hjemmesidelink是否有值，如果有，则打印出来，如果没有，则会继续循环。

我的结果：

>>> 
http://www.albertslund.dk
http://www.alleroed.dk
http://www.assens.dk
http://www.ballerup.dk
http://www.billund.dk
http://www.brk.dk
http://www.brondby.dk
http://www.broenderslev.dk
http://www.dragoer.dk

并计数。

如何只打印BeautifulSoup值？

1 个答案: