Question

我正在使用漂亮的汤来编写网络爬虫。我有以下HTML代码：

<tr class="odd-row">
        <td>xyz</td>
        <td class="numeric">5,00%</td>      
    </tr>
<tr class="even-row">
        <td>abc</td>
        <td class="numeric">50,00%</td                      
    </tr>
<tr class="odd-row">
        <td>ghf</td>
        <td class="numeric">2,50%</td>

我的目标是在课后编写数字=＆＃34;数字＆＃34;到一个特定的变量。我想以类语句上方的字符串为条件（例如＆＃34; xyz＆＃34;，＆＃34; abc＆＃34;，...）。

目前我正在做以下事情：

for c in soup.find_all("a", string=re.compile('abc')):
    abc=c.string

但当然它会返回字符串＆＃34; abc＆＃34;而不是之后标签中的数字。所以基本上我的问题是如何在课后输入字符串=＆＃34;数字＆＃34;事先以字符串为条件。

感谢您的帮助!!!

Answer 1

一旦找到了正确的 td ，我认为这就是你想要取代 a 的意思，那就得到你想要的下一个兄弟：

h = """<tr class="odd-row">
        <td>xyz</td>
        <td class="numeric">5,00%</td>
    </tr>
<tr class="even-row">
        <td>abc</td>
        <td class="numeric">50,00%</td
    </tr>
<tr class="odd-row">
        <td>ghf</td>
        <td class="numeric">2,50%</td>"""


from bs4 import BeautifulSoup

soup = BeautifulSoup(h)

for td in soup.find_all("td",text="abc"):
    print(td.find_next_sibling("td",class_="numeric"))

如果数字td始终是下一个，您只需调用 find_next_sibling（）：

for td in soup.find_all("td",text="abc"):
    print(td.find_next_sibling())

对于你的输入，两者都会给你：

td class="numeric">50,00%</td>

Answer 2

如果我正确理解您的问题，并且如果我认为您的HTML代码将始终遵循您的示例结构，则可以执行此操作：

result = {}
table_rows = soup.find_all("tr")
for row in table_rows:
    table_columns = row.find_all("td")
    result[table_columns[0].text] = tds[1].text
print result  #### {u'xyz': u'2,50%', u'abc': u'2,50%', u'ghf': u'2,50%'}

你最后得到一个字典，其中的关键名是'xyz'，'abc'等等，它们的值是class="numeric"

中的字符串

Answer 3

因此，我理解你的问题，你想迭代元组（'xyz'，'5,00％'），（'abc'，'50,00％'），（'ghf'，'2,50％'）。这是对的吗？

但是我不明白你的代码是如何产生任何结果的，因为你正在搜索<a>标签。

相反，您应该遍历<tr>标记，然后将字符串置于<td>标记内。注意用于访问第二个next_sibling的双<td>，因为第一个next_sibling将引用两个标记之间的空格。

html = """
<tr class="odd-row">
    <td>xyz</td>
    <td class="numeric">5,00%</td>      
</tr>
<tr class="even-row">
    <td>abc</td>
    <td class="numeric">50,00%</td                      
</tr>
<tr class="odd-row">
    <td>ghf</td>
    <td class="numeric">2,50%</td>
</tr>
"""

from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'html.parser')

for tr in soup.find_all("tr"):
    print((tr.td.string, tr.td.next_sibling.next_sibling.string))

Python Beautiful Soup查找字符串并提取字符串

3 个答案: