Question

我是python的新手，我正在使用BeautifulSoup来解析网站，然后提取数据。我有以下代码：

for line in raw_data: #raw_data is the parsed html separated into smaller blocks
    d = {}
    d['name'] = line.find('div', {'class':'torrentname'}).find('a')
    print d['name']

<a href="/ubuntu-9-10-desktop-i386-t3144211.html">
<strong class="red">Ubuntu</strong> 9.10 desktop (i386)</a>

通常，我可以通过写作来提取'Ubuntu 9.10 desktop（i386）'：

d['name'] = line.find('div', {'class':'torrentname'}).find('a').string

但是由于强大的html标签，它返回None。有没有办法提取强标签，然后使用.string或有更好的方法吗？我尝试过使用BeautifulSoup的extract（）函数，但我无法使用它。

编辑：我刚刚意识到如果有两组强标签，我的解决方案不起作用，因为这些单词之间的空格被遗漏了。什么是解决这个问题的方法？

Answer 1

使用“.text”属性：

d['name'] = line.find('div', {'class':'torrentname'}).find('a').text

或者在findAll（text = True）上进行连接：

anchor = line.find('div', {'class':'torrentname'}).find('a')
d['name'] = ''.join(anchor.findAll(text=True))

从使用BeautifulSoup解析的HTML中删除标签

1 个答案: