Question

我尝试使用BeautifulSoup从html源提取数据。这是来源

<td class="advisor" colspan="">

这是我的代码：

soup = BeautifulSoup(html, 'html.parser')
tds = soup.find_all('td')

for td in tds:
    if td["colspan"] == '':
        col = 0
    else:
        col = int(td["colspan"])

然而，我收到此错误：

ValueError: invalid literal for int() with base 10: ''

我知道这个错误意味着＆＃39;＆＃39;不能转换为整数，但为什么我的＆＃39;如果＆＃39;工作？我认为这种情况应该去

col = 0

而不是

col = int(td["colspan"])

Answer 1

我建议您按如下方式使用异常处理：

from bs4 import BeautifulSoup

html = """
    <td class="advisor" colspan="2"></td>
    <td class="advisor" colspan=""></td>
    <td class="advisor" colspan="x"></td>
    """

soup = BeautifulSoup(html, 'html.parser')
tds = soup.find_all('td')

for td in tds:
    try:
        col = int(td["colspan"])
    except (ValueError, KeyError) as e:
        col = 0

    print(col)

这将显示以下内容：

2
0
0

使用Python 3.4.3进行测试

Answer 2

为避免因错误的输入类型而导致错误，您可以在继续之前检查参数是否真的是整数：

def check_int(s):
    if s = '' or s is None
        return False
    st = str(s)
    if st[0] in ('-', '+'):
        return st[1:].isdigit()
    return st.isdigit()

for td in tds:
    if check_int(td["colspan"]):
        col = int(td["colspan"])
    else:
        col = 0

或者，使用三元操作：

for td in tds:
    col = int(td["colspan"]) if check_int(td["colspan"]) else 0

编辑：一些good materials进行int检查，不用try-except。

Answer 3

您可以假设var col的值是""，然后检查它是否为真。

soup = BeautifulSoup(html, 'html.parser')
tds = soup.find_all('td')

for td in tds:
    col = 0
    if td["colspan"].isdigit():
        col = int(td["colspan"])

如何处理其colspan ==＆＃39;＆＃39;？的td标签

3 个答案: