编辑：

Question

我有一个HTML表格，如下所示：

<table border=0 cellspacing=1 cellpadding=2 class=form>
<tr class=form><td class=formlabel>Heating Coils in Bunker Tanks</td><td class=form>N</td></tr>
<tr class=forma><td class=formlabel>Heating Coils in Cargo Tanks</td><td class=form>U</td></tr>
<tr class=form><td class=formlabel>Manifold Type</td><td class=form>N</td></tr>
<tr class=forma><td class=formlabel>No. Holds</td><td class=form>5</td></tr>
<tr class=form><td class=formlabel>No. Centreline Hatches</td><td class=form>5</td></tr>
<tr class=forma><td class=formlabel>Lifting Gear</td><td class=form>Yes</td></tr>
<tr class=form><td class=formlabel>Gear</td><td class=form>4 Crane (30.5t SWL)</td></tr>
<tr class=forma><td class=formlabel>Alteration</td><td class=form>Unknown</td></tr>
</table>

我正在使用美丽的汤来提取特定数据，这些数据来自scrapy蜘蛛

soup = BeautifulSoup(response.body_as_unicode())
table= soup.find('table', {'class': 'form'})
# psusedo code find manifold type and number of Holds

如何执行此操作。请注意，值的排序可能会更改，但表单标签始终保持不变？如何使用特定表格标签进行搜索？

编辑：

<tr class=forma><td class=formlabel>Fleet Manager (Operator)</td><td class=form><a href="oBasic.asp?LRNumber=9442964&Action=Display&LRCompanyNumber=40916">ESSAR SHIPPING LTD</a></td></tr>

这种特殊情况不适用于以下兄弟搜索？如何克服这个？

Answer 1

您可以找到td元素by text并获取next sibling：

table.find('td', text='Manifold Type').next_sibling.text

作为旁注，为什么需要在Scrapy蜘蛛中使用BeautifulSoup？ Scrapy本身在HTML解析，定位元素方面非常强大：

response.xpath('//table[@class="form"]//td[.="Manifold Type"]/following-sibling::td/text()')

来自scrapy shell：

的演示

$ scrapy shell index.html
In [1]: response.xpath('//table[@class="form"]//td[.="Manifold Type"]/following-sibling::td/text()').extract()
Out[1]: [u'N']

HTML桌子与python美丽的汤

编辑：

1 个答案: