Question

我正在尝试在网页上的特定“输入”标记中提取单个“值”属性的内容。我使用以下代码：

import urllib
f = urllib.urlopen("http://58.68.130.147")
s = f.read()
f.close()

from BeautifulSoup import BeautifulStoneSoup
soup = BeautifulStoneSoup(s)

inputTag = soup.findAll(attrs={"name" : "stainfo"})

output = inputTag['value']

print str(output)

我得到一个TypeError：列表索引必须是整数，而不是str

即使从Beautifulsoup文档我明白字符串不应该是一个问题...但我不是专家，我可能会误解。

非常感谢任何建议！提前谢谢。

Answer 1

.findAll()返回所有找到的元素的列表，所以：

inputTag = soup.findAll(attrs={"name" : "stainfo"})

inputTag是一个列表（可能只包含一个元素）。根据您的具体需要，您应该这样做：

 output = inputTag[0]['value']

或使用.find()方法，该方法只返回一个（第一个）找到的元素：

 inputTag = soup.find(attrs={"name": "stainfo"})
 output = inputTag['value']

Answer 2

在Python 3.x中，只需在使用get(attr_name)的代码对象上使用find_all：

xmlData = None

with open('conf//test1.xml', 'r') as xmlFile:
    xmlData = xmlFile.read()

xmlDecoded = xmlData

xmlSoup = BeautifulSoup(xmlData, 'html.parser')

repElemList = xmlSoup.find_all('repeatingelement')

for repElem in repElemList:
    print("Processing repElem...")
    repElemID = repElem.get('id')
    repElemName = repElem.get('name')

    print("Attribute id = %s" % repElemID)
    print("Attribute name = %s" % repElemName)

针对XML文件conf//test1.xml，如下所示：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<root>
    <singleElement>
        <subElementX>XYZ</subElementX>
    </singleElement>
    <repeatingElement id="11" name="Joe"/>
    <repeatingElement id="12" name="Mary"/>
</root>

打印：

Processing repElem...
Attribute id = 11
Attribute name = Joe
Processing repElem...
Attribute id = 12
Attribute name = Mary

Answer 3

如果您想从上面的源中检索多个属性值，可以使用findAll和列表推导来获得所需的一切：

import urllib
f = urllib.urlopen("http://58.68.130.147")
s = f.read()
f.close()

from BeautifulSoup import BeautifulStoneSoup
soup = BeautifulStoneSoup(s)

inputTags = soup.findAll(attrs={"name" : "stainfo"})
### You may be able to do findAll("input", attrs={"name" : "stainfo"})

output = [x["stainfo"] for x in inputTags]

print output
### This will print a list of the values.

Answer 4

假设您知道哪种标签具有这些属性，我实际上会建议您节省时间。

假设标签xyz有一个名为“staininfo”的attritube ..

full_tag = soup.findAll("xyz")

我想你不明白full_tag是一个列表

for each_tag in full_tag:
    staininfo_attrb_value = each_tag["staininfo"]
    print staininfo_attrb_value

因此，您可以获取所有标签xyz

的staininfo的所有attrb值

Answer 5

你也可以用这个：

import requests
from bs4 import BeautifulSoup
import csv

url = "http://58.68.130.147/"
r = requests.get(url)
data = r.text

soup = BeautifulSoup(data, "html.parser")
get_details = soup.find_all("input", attrs={"name":"stainfo"})

for val in get_details:
    get_val = val["value"]
    print(get_val)

Answer 6

对我来说

<input id="color" value="Blue"/>

可以通过以下代码段获取。

page = requests.get("https://www.abcd.com")
soup = BeautifulSoup(page.content, 'html.parser')
colorName = soup.find(id='color')
print(color['value'])

Answer 7

我在Beautifulsoup 4.8.1中使用它来获取某些元素的所有类属性的值：

from bs4 import BeautifulSoup

html = "<td class='val1'/><td col='1'/><td class='val2' />"

bsoup = BeautifulSoup(html, 'html.parser')

for td in bsoup.find_all('td'):
    if td.has_attr('class'):
        print(td['class'][0])

请务必注意，即使属性只有一个值，属性键也会检索列表。

Answer 8

您可以尝试使用名为 requests_html 的新功能强大的软件包：

from requests_html import HTMLSession
session = HTMLSession()

r = session.get("https://www.bbc.co.uk/news/technology-54448223")
date = r.html.find('time', first = True) # finding a "tag" called "time"
print(date)  # you will have: <Element 'time' datetime='2020-10-07T11:41:22.000Z'>
# To get the text inside the "datetime" attribute use:
print(date.attrs['datetime']) # you will get '2020-10-07T11:41:22.000Z'

Answer 9

您可以尝试gazpacho：

使用pip install gazpacho

安装

获取HTML并使用以下内容制作Soup：

from gazpacho import get, Soup

soup = Soup(get("http://ip.add.ress.here/"))  # get directly returns the html

inputs = soup.find('input', attrs={'name': 'stainfo'})  # Find all the input tags

if inputs:
    if type(inputs) is list:
        for input in inputs:
             print(input.attr.get('value'))
    else:
         print(inputs.attr.get('value'))
else:
     print('No <input> tag found with the attribute name="stainfo")

Answer 10

下面是一个示例，说明如何提取所有href标签的a属性：

import requests as rq 
from bs4 import BeautifulSoup as bs

url = "http://www.cde.ca.gov/ds/sp/ai/"
page = rq.get(url)
html = bs(page.text, 'lxml')

hrefs = html.find_all("a")
all_hrefs = []
for href in hrefs:
    # print(href.get("href"))
    links = href.get("href")
    all_hrefs.append(links)

print(all_hrefs)

使用beautifulsoup提取属性值

10 个答案: