Question

我正在试图抓住Agoda每日多种房型的酒店价格，以及其他信息，例如促销信息，早餐条件以及现在支付书籍的预订。

我的代码如下：

import requests
import math
from bs4 import BeautifulSoup

url = "http://www.agoda.com/ambassador-hotel-taipei/hotel/taipei-tw.html?asq=8m91A1C3D%252bTr%252bvRSmuClW5dm5vJXWO5dlQmHx%252fdU9qxilNob5hJg0b218wml6rCgncYsXBK0nWktmYtQJCEMu0P07Y3BjaTYhdrZvavpUnmfy3moWn%252bv8f2Lfx7HovrV95j6mrlCfGou99kE%252bA0aX0aof09AStNs69qUxvAVo53D4ZTrmAxm3bVkqZJr62cU&tyra=1%257c2&searchrequestid=2e2b0e8c-cadb-465b-8dea-2222e24a1678&pingnumber=1&checkin=2015-10-01&los=1"
res = requests.get(url)
soup = BeautifulSoup(res.text, 'html.parser')
n = len(soup.select('.room-name'))

for i in range(0, n):
    en_room = soup.select('.room-name')[i].text.strip()
    currency = soup.select('.currency')[i].text
    price = soup.select('.sellprice')[i].text

    try:
        sp_info = soup.select('.left-room-info')[i].text.strip()
    except Exception as e:
        sp_info = "N/A"

    try:
        pay_later = soup.select('.book-now-paylater')[i].text.strip()
    except Exception as e:
        pay_later = "N/A"


    print en_room, i+1, currency, price, en_room, sp_info, pay_later
    time.sleep(1)

我有两个问题：

（1）“left-room-info”类似乎包含两个子类“breakfast”和“room-promo”。这些子类仅在特定房间类型提供此类服务时显示。

当只显示其中一个子类时，输出效果很好。但是，当没有子类显示时，当我希望显示“N / A”时输出为空。此外，当两个子类都出现时，输出格式有不必要的空行，无法通过.strip（）删除。

有没有办法解决这些问题？

（2）当我尝试从班级'.book-now-paylater'中提取信息时，提取的数据与每种房型不匹配。例如，假设有10种房型，只有房间2,4,6,8允许旅行者现在预订后付款，这些代码可以准确地提取4本书 - 现在付费的信息，但这4条信息是然后不恰当地分配给1,2,3,4号房间。

有没有办法解决这个问题？

感谢您的帮助！

加里

Answer 1

（1）这种情况正在发生，因为即使'.left-room-info'选项中没有文字，它也不会抛出异常，而except将永远不会运行。您应该检查该值是否为空字符串（''）。您可以使用简单的if not string_var来完成此操作

sp_info = soup.select('.left-room-info')[i].text.strip()
if not sp_info:
    sp_info = "N/A"

当两个子类都出现时，您应该在回车符（'\r'）上拆分字符串，然后去除每个结果。代码看起来像这样:(注意，现在sp_info是一个列表，而不仅仅是一个字符串）

sp_info = soup.select('.left-room-info')[i].text.strip().split('\r')
if len(sp_info) > 1:
    sp_info = [ info.strip() for info in sp_info ]

将这些部分放在一起，我们会得到类似的东西

sp_info = soup.select('.left-room-info')[i].text.strip().split('\r')
if len(sp_info) > 1:
    sp_info = [ info.strip() for info in sp_info ]
elif not sp_info[0]: # check for empty string
    sp_info = ["N/A"] # keep sp_info a list for consistancy

（2）有点复杂。您将不得不改变解析页面的方式。也就是说，您可能必须选择.room-type。你选择这本书的方式现在是付费的，它不会将它们与任何其他元素相关联，它只选择该类的8个实例。以下是我将如何做到这一点：

import requests
import math
from bs4 import BeautifulSoup

url = "http://www.agoda.com/ambassador-hotel-taipei/hotel/taipei-tw.html?asq=8m91A1C3D%252bTr%252bvRSmuClW5dm5vJXWO5dlQmHx%252fdU9qxilNob5hJg0b218wml6rCgncYsXBK0nWktmYtQJCEMu0P07Y3BjaTYhdrZvavpUnmfy3moWn%252bv8f2Lfx7HovrV95j6mrlCfGou99kE%252bA0aX0aof09AStNs69qUxvAVo53D4ZTrmAxm3bVkqZJr62cU&tyra=1%257c2&searchrequestid=2e2b0e8c-cadb-465b-8dea-2222e24a1678&pingnumber=1&checkin=2015-10-01&los=1"
res = requests.get(url)
soup = BeautifulSoup(res.text)

rooms = soup.select('.room-type')[1:] # the first instance of the class isn't a room

room_list = []

for room in rooms:
    room_info = {}

    room_info['en_room'] = room.select('.room-name')[0].text.strip()
    room_info['currency'] = room.select('.currency')[0].text.strip()
    room_info['price'] = room.select('.sellprice')[0].text.strip()

    sp_info = room.select('.left-room-info')[0].text.strip().split('\r')
    if len(sp_info) > 1:
        sp_info = ", ".join([ info.strip() for info in sp_info ])
    elif not sp_info[0]: # check for empty string
        sp_info = "N/A"
    room_info['sp_info'] = sp_info

    pay_later = room.select('.book-now-paylater')
    room_info['pay_later'] = pay_later[0].text.strip() if pay_later else "N/A"

    room_list.append(room_info)

Answer 2

在您的代码中，您没有正确遍历dom。这将导致刮擦问题。（例如第二个问题）。我将提供暗示性代码片段（不是确切的解决方案），希望您能够自己解决第一个问题。

# select all room types by tables tr tag
room_types = soup.find_all('tr', class_="room-type")

# iterate over the list to scrape data form each td or div inside tr
for room in room_types:
    en_room = room.find('div', class_='room-name').text.strip()

Python - 使用BeautifulSoup在页面中抓取多个类

2 个答案: