Question

我试图从BBC体育页面拉出主要标题（目前：＆＃34;温格预测＆＃39;活跃＆＃39; 1月和＃34;）。该ID是＆＃39;标题＆＃39;它位于<h2>和<a>标记中。我使用的是Python。

from bs4 import BeautifulSoup
import urllib2
url = urllib2.urlopen("http://www.bbc.co.uk/sport/football/teams/arsenal")
soup=BeautifulSoup(url.read())
#Things I've tried
headline=soup.find('a', attrs={'id': 'lead-caption'})
print headline
#The above prints 'None'
headline1=soup.find('lead-caption').getText()
print headline1
#The above print "'NoneTpye' Object has no attirbute 'getText'
tag = soup.a
tag ['id'] = 'lead-caption'
type(tag)
print tag.string
#Error: NoneType object does not support item assignment

非常感谢任何帮助。谢谢:)）

Answer 1

你的代码几乎是正确的，你正在寻找错误的元素，这就是你得到None的原因，它应该是div：

headline=soup.find('div', attrs={'id': 'lead-caption'})
headline_text=headline.find('a').getText()
print headline_text

输出：

温格预测'积极'1月

获得＆＃34;无＆＃34;和＆＃39; NoneType对象......＆＃39;使用BeautifulSoup4从网页获取文本时出错

1 个答案: