Question

我正在尝试使用Beautiful Soup从网站解析城市列表

这是输出： MonroeMatthewsWaxhawIndian Trail，Matthews

我需要的是：梦露，马修斯，Waxhaw，Indian Trail，马修斯

这是HTML：

<div id="current_tab">
    <p class="view_label_type_geoserved" id="view_label_field_geoserved">Geographies Served</p>
    <ul>
        <li class="view_type_geoserved" id="view_field_geoserved">
            <p style="font-weight: bold; border-bottom: 1px dotted #CCC; font-size: .9em;">North Carolina (NC)<span style="float: right; font-size: 0.8em;">North Carolina (NC)</span></p>
            <p style="margin: 5px 0 3px 8px; border-bottom: 1px dotted #DDD; font-size:1em">Union<span style="float: right; font-size: 0.8em;">Union</span></p>
            <div class="view_type_geoserved">
                <table>
                    <tr>
                        <td style="width: 225px;">Monroe</td>
                        <td>Matthews</td></tr><tr>
                        <td style="width: 225px;">Waxhaw</td>
                        <td>Indian Trail</td>
                    </tr>
                </table>
            </div>
            </li>
                <p style="margin: 5px 0 3px 8px; border-bottom: 1px dotted #DDD; font-size:1em">Mecklenburg<span style="float: right; font-size: 0.8em;">Mecklenburg</span></p>
                <div class="view_type_geoserved">
                    <table>
                        <tr>
                            <td style="width: 225px;">Matthews</td><td></td>
                        </tr>
                    </table>
                </div>
            </li>
    </ul>
</div>

这是我用来解决问题的代码。

geoserved_muni = ', '.join(p.text for p in soup.findAll("div", {"class":"view_type_geoserved"}))
print geoserved_muni

我错过了将这些逗号添加到各个标签的内容？

Answer 1

加入td中的每个div元素的文字：

', '.join(td.get_text(strip=True) for td in soup.select("div.view_type_geoserved > table tr > td") if td.text)

soup.select()内的表达式为CSS selector。

经过测试，对我来说它产生了：

Monroe, Matthews, Waxhaw, Indian Trail, Matthews

美丽的汤获取不用逗号分隔的列表元素

1 个答案: