Question

我想用BeautifulSoup解析这个HTML代码。

事实上，对于每项工作，我想获得时间和持续时间。例如，我想获得：

2012年6月 - 至今（3年2个月）

但我知道了：

2012年7月

这是我的HTML代码：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from bs4 import BeautifulSoup

html_doc = """
<div id="background-experience" class="background-experience edit-default ">
<h3>Experience</h3>
<div id="experience-312465350" class="editable-item section-item current-position">
<div id="experience-312465350-view">
<header>
<h5 class="experience-logo" aria-hidden="true">
<a href="http://www.linkedin.com/company/1288?trk=ppro_cprof">
<img class="lazy-load" src="https://static.licdn.com/scds/common/u/img/spacer.gif" data-li-src="https://media.licdn.com/media/p/5/005/00e/318/39cf760.png" alt="">
</a>
</h5>
<h4>
<a href="https://www.linkedin.com/title/president-%26-ceo?trk=pprofile_title" title="Learn more about this title">President &amp; CEO</a>
</h4>
<h5>
<a href="http://www.linkedin.com/company/1288?trk=ppro_cprof" dir="auto">Yahoo!</a>
</h5>
</header>
<span class="experience-date-locale">
<time>July 2012</time> – Present (3 years 1 month)<span class="locality">Sunnyvale, CA</span>
</span>
</div>
</div>
<div id="experience-297858215" class="editable-item section-item current-position">
<div id="experience-297858215-view">
<header>
<h5 class="experience-logo" aria-hidden="true">
<a href="http://www.linkedin.com/company/2646?trk=ppro_cprof">
<img class="lazy-load" src="https://static.licdn.com/scds/common/u/img/spacer.gif" data-li-src="https://media.licdn.com/media/p/2/000/1d0/30a/07cd201.png" alt="">
</a>
</h5>
<h4>
<a href="https://www.linkedin.com/title/board-of-directors?trk=pprofile_title" title="Learn more about this title">Board of Directors</a>
</h4>
<h5>
<a href="http://www.linkedin.com/company/2646?trk=ppro_cprof" dir="auto">Walmart</a>
</h5>
</header>
<span class="experience-date-locale">
<time>June 2012</time> – Present (3 years 2 months)</span>
</div>
</div>
<script>$(function(){if(LI.Dialog){LI.Dialog().submitEvent.subscribe(function(type,args){var positionID;if(args[1]=='removePositionDialog'&&WebTracking&&WebTracking.trackUserAction){if(args[2]&&args[2].positionID){positionID=args[2].positionID;}WebTracking.trackUserAction('nprofile-edit-position-remove-submit',{positionID:positionID});}});}});</script>
</div>
"""
soup = BeautifulSoup(html_doc,'html.parser')
print soup.time.string

但是当我试图获得所有时间时，我只得到一个。我怎么能解决我的问题？

提前致谢。

Answer 1

您不应该使用.time，因为这样只会获得这些元素的内部内容 - 因此，文本" – Present (3 years 2 months)"不会被包含。

而是搜索具有experience-date-locale类的元素，该类将是包含所需文本的span。然后，使用BeautifulSoup的{{1}}仅获取其文字内容（.text和<time>将不会呈现。）

为了完整起见，这是我的代码（未经测试）：

</time>

Answer 2

您需要使用<span>来获取数据。使用<time>的方法只会为您提供内部文字，但</time>之外的文字不会被打印出来，因为您的错误。

为此，我们只需使用<span>和属性experience-date-locale。

使用以下代码段解析您的数据：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc)
all_spans = soup.find_all('span', 'experience-date-locale')

parsed_content = []

for span in all_spans:
    parsed_content.append(span.text)

如何使用BeautifulSoup解析此HTML代码？

2 个答案: