Question

环境：Python 2.7 + BeautifulSoup 4.3.2

以下是原始HTML代码的一部分：

<dl><dt>Newest Item:</dt><dd><span class="NewsTime" title="Southeast in 2007">SE, 2007</span></dd></dl>

我想要的是“SE，2007”。

我的成果是：

from bs4 import BeautifulSoup
import re
import urllib2

url = "http://sample.com"
page = urllib2.urlopen(url)
soup = BeautifulSoup(page.read())

NEWS = soup.find_all("span",class_="NewsTime", limit=1) #because there are 2 such the same

for LA in NEWS:
    print LA.renderContents()

有效。但是当我将最后两行更改为：

时，它不起作用

print NEWS.renderContents()

为什么呢？另外，我对原始HTML代码的理解是对吗？

<dl> is the father
<dt> and <dd> are the father’s son
<span> is <dd>’s son

Answer 1

就BeautifulSoup而言，NEWS是一个ResultSet。在集合中只有一个结果并不重要 - 它仍然是ResultSet，你不能在ResultSet上调用renderContents（）。

find_all（）函数总是返回一个bs4.element.ResultSet，包含零个或多个类型bs4.element.Tag的元素 - 你只能在Tag对象上调用renderContents（）。

在这种情况下，要保存for循环，您可以在第一行使用零索引：

NEWS = soup.find_all("span",class_="NewsTime", limit=1)[0]

print(NEWS.renderContents())

在BeautifulSoup中使用Python中的“renderContents”

1 个答案: