Question

我正试图从这个Wikipedia page

中抓住生日的人

以下是现有代码：

hdr = {'User-Agent': 'Mozilla/5.0'}
site = "http://en.wikipedia.org/wiki/"+"january"+"_"+"1"
req = urllib2.Request(site,headers=hdr)    
page = urllib2.urlopen(req)
soup = BeautifulSoup(page)

print soup

这一切都很好，我得到整个HTML页面，但我想要特定的数据，我不知道如何使用没有id的美丽汤来访问它。 <ul>标记没有ID，<li>标记也没有。另外，我不能只询问每个<li>标记，因为页面上还有其他列表。是否有特定方式来调用给定列表？（我不能只为这一页使用修复程序，因为我计划迭代所有日期并让每个页面生日，而且我不能保证每个页面都与此页面完全相同）。

Answer 1

我们的想法是获取带有span ID的Births，找到父亲的下一个兄弟（ul）并迭代它的li元素。这是使用requests的完整示例（尽管它不相关）：

from bs4 import BeautifulSoup as Soup, Tag

import requests


response = requests.get("http://en.wikipedia.org/wiki/January_1")
soup = Soup(response.content)

births_span = soup.find("span", {"id": "Births"})
births_ul = births_span.parent.find_next_sibling()

for item in births_ul.findAll('li'):
    if isinstance(item, Tag):
        print item.text

打印：

871 – Zwentibold, Frankish son of Arnulf of Carinthia (d. 900)
1431 – Pope Alexander VI (d. 1503)
1449 – Lorenzo de' Medici, Italian politician (d. 1492)
1467 – Sigismund I the Old, Polish king (d. 1548)
1484 – Huldrych Zwingli, Swiss pastor and theologian (d. 1531)
1511 – Henry, Duke of Cornwall (d. 1511)
1516 – Margaret Leijonhufvud, Swedish wife of Gustav I of Sweden (d. 1551)
...

希望有所帮助。

Answer 2

找到出生日期部分：

section = soup.find('span', id='Births').parent

然后找到下一个无序列表：

births = section.find_next('ul').find_all('li')

美丽的汤：从<ul>访问<li>元素<无> id </ul> </li>

2 个答案: