Question

我正在学习美丽的汤，我正在阅读Analytics Vidhya的简短教程，可以在这里找到：https://www.analyticsvidhya.com/blog/2015/10/beginner-guide-web-scraping-beautiful-soup-python/

本教程使用Beautiful Soup废弃维基百科中的网页：“https://en.wikipedia.org/wiki/List_of_state_and_union_territory_capitals_in_India

我在Jupyter笔记本中运行命令，除了试图从表格标签中提取信息外，我得到相同的输出。

本教程使用以下命令提取特定表的内容：

  soup.find_all("table" , class_ = 'wikitable sortable plainrowheaders' )

根据教程，结果如下：

然而，当我运行相同的命令时，我得到一个不太可读的混乱输出，看起来像这样：

   [<table class="wikitable sortable plainrowheaders">\n<tr>\n<th 
   scope="col">No.</th>\n<th scope="col">State or<br/>\nunion  
    territory</th>\n<th scope="col">Administrative capitals</th>\n<th   
    scope="col">Legislative capitals</th>\n<th scope="col">Judiciary

你能解释输出的差异吗？

您的建议将不胜感激。

Answer 1

最后我找到了答案。

使用prettify（）方法可以使打印输出更具可读性。但是，find_all（）方法返回一个ResultSet - 它包含了所有的对象输入'Table'和给定的属性。 prettify（）方法不能应用于ResultSet。但是，prettify（）可以应用于切片返回的ResultSet的元素。因此，要获得表的可打印输出，我们执行以下操作：

  right_tables = soup.find_all("table" , class_ = 'wikitable sortable plainrowheaders' ) 
  print(right_tables[0].prettify())

这将呈现以下输出，这正是我所寻找的：

  <table class="wikitable sortable plainrowheaders">
   <tr>
    <th scope="col">
      No.
    </th>
    <th scope="col">
      State or
      <br/>
         union territory
    </th>

等

Answer 2

它可能是相同的输出，它只是由您的特定开发环境以不同的方式处理。你总是可以导入＆＃34;漂亮的印刷＆＃34;并看看是否能够解决问题：

from pprint import pprint

pprint(my_output)

美丽的汤 - 意想不到的输出

2 个答案: