Question

我想要刮掉 http://www.co.jefferson.co.us/ats/displaygeneral.do?sch=000104 并获得“所有者姓名” 我有什么作品，但是真的很丑，而且我不确定，所以我正在寻找更好的方法。这就是我所拥有的：

soup = BeautifulSoup(url_opener.open(url))            
x = soup('table', text = re.compile("Owner Name"))
print 'And the owner is', x[0].parent.parent.parent.tr.nextSibling.nextSibling.next.next.next

相关的HTML是

<td valign="top">
    <table border="1" cellpadding="1" cellspacing="0" align="right">
    <tbody><tr class="tableheaders">
    <td>Owner Name(s)</td>
    </tr>

    <tr>

    <td>PILCHER DONALD L                         </td>
    </tr>

    </tbody></table>
</td>

哇，有很多关于beautifulsoup的问题，我看了看他们但找不到帮助我的答案，希望这不是一个重复的问题

Answer 1

（编辑：显然OP发布的HTML谎言 - 实际上没有tbody标记可供查找，即使他在此HTML中包含了这一点。因此，更改为使用table而不是tbody）。

由于您可能需要多个表行（例如，查看您给出的一个兄弟URL，最后一个数字，4，变为5），我建议循环如下：

# locate the table containing a cell with the given text
owner = re.compile('Owner Name')
cell = soup.find(text=owner).parent
while cell.name != 'table': cell = cell.parent
# print all non-empty strings in the table (except for the given text)
for x in cell.findAll(text=lambda x: x.strip() and not owner.match(x)):
  print x

对于页面结构的微小变化，这是相当健壮的：找到感兴趣的单元格后，它会循环其父项，直到找到表格标记，然后在该表格中的所有可导航字符串中为空（或者只是空格）），不包括owner标题。

Answer 2

这是Aaron DeVore从Beautifulsoup讨论小组的回答，它对我有用。

soup = BeautifulSoup(...)
label = soup.find(text="Owner Name(s)")

需要Tag.string来获取实际的名称字符串

name = label.findNext('td').string

如果你正在做一大堆，你甚至可以进行列表理解。

names = [unicode(label.findNext('td').string) for label in
soup.findAll(text="Owner Name(s)")]

Answer 3

这是一个小小的改进，但我无法弄清楚如何摆脱三个父母。

x[0].parent.parent.parent.findAll('td')[1].string

Beautifulsoup在表中获得价值

3 个答案: