我正在尝试使用Python和BeautifulSoup从NCBI网站提取基因序列。
从序列页面查看HTML后，我注意到序列存储在span元素中，pre元素存储在div元素中存储的findAll()元素中。
我尝试使用span函数来拉取findAll()元素中包含的字符串，但findAll()函数返回一个空列表。我试图在父div元素上使用div函数，并且在返回有问题的div元素时，它不包含div内的任何HTML元素此外，findAll()函数返回的div元素有点“损坏”，因为开放<div id=viewercontent1 class="seq gbff" val=*some_value* sequencesize=some_sequencesize* virtualsequence style="display: block;">
<pre>
"*some gene information enclosed inside double quotation marks*
"
<span class="ff_line", id=*some id*>*GENETIC SEQUENCE LINE 1*</span>
<span class="ff_line", id=*some id*>*GENETIC SEQUENCE LINE 2*</span>
...
<span class="ff_line", id=*some id*>*GENETIC SEQUENCE LINE N*</span>
</pre>
</div>
标记中的某些属性要么丢失，要么按正确的顺序丢失。 HTML网页。
以下示例代码代表了该方案：
实际HTML：
pre我的代码段：
我的代码的对象是拉取span元素的字符串内容（# Assume some predefined gene sequence url, gene_url.
page = urllib2.urlopen(gene_url)
soup = BeautifulSoup(page.read())
spans = soup.findAll('span',{'class':'ff_line'})
for span in spans:
print span.string
字符串和开头字符串开头，“*某些基因信息......”）。
spans由于findAll列表为空，因此不打印任何内容。如果将pre应用于span而不是div，则会出现同样的问题。
当我尝试使用与上面相同的过程找到父# ...
divs = soup.findAll('div',{'class':'seq gbff'})
for div in divs:
print div
元素时：
<div class="seq gbff" id="viewercontent1" sequencesize="*some_sequencesize*" val="*some_val*" virtualsequence=""></div>
我得到以下打印输出：
div最明显的区别是打印结果不包含任何嵌套HTML，但开放<div id=viewercontent1 class="seq gbff" val=*some_value* sequencesize=some_sequencesize* virtualsequence style="display: block;">
标记内的内容也不同（参数缺失或顺序错误）。与网页上的等效行比较：
virtualsequence此问题是否与开场div代码中的{{1}}参数有关？
我怎样才能实现我的目标？
答案 0 :(得分：2)
Class是Python中的保留关键字（在创建对象时使用），因此可能会造成麻烦，您可以尝试通过下划线跟随它并将其作为关键字参数传递，这可能会有所帮助：
>>> soup.find_all('span',class_='ff_line')