Question

我正在尝试将HTML表格转换为2d python列表（列表列表）。三个“列”只是相应HTML表格单元格的文本，并且工作正常。但是，一个“列”应该只是相应HTML单元格中链接的ID，但我无法访问该属性。

当我试图获取链接的ID时出现问题。如果我打印该元素的.contents，它所说的只是“动作”。当我尝试访问该元素的['id']索引时，它会给我一个错误。怎么了？

    bs = BeautifulSoup(page)

    table = bs.find("table", id="ctl00_ContentPlaceHolder1_Name_Reports1_TabContainer1_TabPanel1_dgReports")

    def notHeader(css_class):
        return css_class is not "gridviewheader"

    rows = table.find_all("tr", class_=notHeader)

    result = []

    for x in range(0, len(rows)):
        allcols = rows[x].findAll('td')

        tempRow = []
        print(allcols[0].contents[0])  #only prints Action
        tempRow.append(allcols[0].contents[0]['id'])  #TypeError: string indices must be integers
        tempRow.append(allcols[2].string)
        tempRow.append(allcols[3].string)
        tempRow.append(allcols[5].string)
        amended = -1
        for existing in result:
            if tempRow[1] == existing[1] and tempRow[2] == existing[2]:
                amended = 1
        if amended == -1:
            result.append(tempRow)

    print (ids)

Answer 1

想出来：它与使用find_all（）中的函数来消除标题行有关。我用

替换了find_all行

rows = table.find_all("tr")[1:]

因为标题始终是第一行，所以它有效。

无法访问BeautifulSoup中的子项属性

1 个答案: