Question

我有一个屏幕抓取项目。我一直在使用BeautiflSoup从HTML中提取很多项目。有一件我似乎无法得到的项目。

该项目位于表单的一侧，页面上有多个表单。这是一个输入标签：

<input name="sqft" id="sqft" type="hidden" value="2,855"></input>

当我：

print soup

我可以在结果中看到标签，如上所示，在那里。我转储到一个txt文件，并在我的文本编辑器中验证完整的HTML是汤变量。从那以后，我试过了：

soup.find('input', {'name': 'sqft', 'id' : 'sqft', 'type' : 'hidden'})['value']

我收到以下错误：

TypeError: 'NoneType' object has no attribute '__getitem__'

我已经通过正则表达式确认了标签所在的汤变量。

tmp = re.search('value=\"2,855\"', str(soup))

tmp.group(0)


Out[43]: 'value="2,855"'

我想要一个优雅的解决方案，并且不想使用正则表达式来提取值。

然后我尝试了：

tmp = soup.findAll('input')

莫名其妙地将一堆标签类型转储到tmp中，但不是我需要的那种。它不仅仅缺少我需要的那个，而是我需要的那个缺失。

我错过了什么？

更新：我已经使用了以下代码，现在可以使用，但似乎 super hacky

tmp = re.search('<input name=\"sqft\"(.*?)>', str(soup))

tmpsqfthtml = "<html>" + tmp.group(0) + "</input></html>"
sqft = BeautifulSoup(tmpsqfthtml).find('input')['value']

Answer 1

这个怎么样：

>>>soup.find('input', {'id': 'sqft'}).attrs['value']
'2,855'

我如何找到这种方法：

首先，我们通过其ID：

找到此标记

>>> input = soup.find('input', {'id': 'sqrt'})

如果您不知道可以使用哪种方法，为什么不使用dir()？

>>> dir(input)
....many methods here...

浏览所有方法，你可能会得到一些想法。

Answer 2

查看BeautifulSoup的文档（http://www.crummy.com/software/BeautifulSoup/bs4/doc/），您可以尝试以下几种方法：

soup.input应该为您提供<input>个标签的所有注释。那么你可以随心所欲地做任何事情
soup.find_all("input")代替soup.findAll("input")
soup.find("input", id="sqft")

或者，问题可能是<input>标记通常不会与上面显示的开始和结束标记一起使用（<input></input>），而是使用<input STUFF >形式，这可能会导致问题。

BeautifulSoup没有找到标签

2 个答案:

我如何找到这种方法：