Question

我正在尝试学习BeautifulSoup，但这需要一些时间。我希望你能帮助我。在下面的代码中，相同的语法重复多次，我想知道如何创建一个列表：第一项，第二项，.... N：th项逻辑应该是找到“title =”（这是唯一的），然后将字符串提取到“title =”的右侧。如果你知道怎么做，可能很容易......

<td align=left valign="top" class="small" title="First item" nowrap>
<td align=left valign="top" class="small" title="Second item" nowrap>
<td align=left valign="top" class="small" title="N:th item" nowrap>

Answer 1

from BeautifulSoup import BeautifulSoup
import urllib

url = 'http://www.somewebsite.com/'
file_pointer = urllib.urlopen(url)
soup = BeautifulSoup(file_pointer)

td_list = soup.findAll('td',{'class':'small')
for td in td_list:
    print td.contents[0]

这应该有效，但不知道网站的其他内容，很难说。此外，这假设td标记中有文本内容。如果您需要其他代码，比如访问<span>或不需要代码，则需要其他代码，但这应该会帮助您开始。

Answer 2

如果您已经知道如何查找包含标题的元素，则可以使用elem['title']获取标题。

将标题作为列表：

titlelist=[elem['title'] for elem in soup.findAll('td', attrs={X : Y})]

编辑：正如您所说，您可以使用soup.findAll('td', attrs={X : Y})找到包含所需标题的元素，此代码基本上是一个for循环，它遍历由soup.findAll('td', attrs={X : Y})生成的元素列表并获取title属性的值。同样如下：

elements = `soup.findAll('td', attrs={X : Y})`
titlelist=[]
for elem in elements:
    titlelist.append(elem['title'])

如果您只想查找具有title属性的元素，请使用has_key()：

    elements = `soup.findAll('td')`
    titlelist=[]
    for elem in elements:
        if elem.has_key('title'):
            titlelist.append(elem['title'])
    print titlelist

提取标签内的信息

2 个答案: