Question

我是Python和美丽汤的新手！我听说过BS。它被告知是一个解析和提取内容的好工具。所以我在这......：

我想在html中获取表格第一个td的内容文献。例如，我有这个表

<table class="bp_ergebnis_tab_info">
    <tr>
            <td>
                     This is a sample text
            </td>

            <td>
                     This is the second sample text
            </td>
    </tr>
</table>

我如何使用beautifulsoup来获取文本“这是一个示例文本”？我使用soup.findAll（'table'，attrs = {'class'：'bp_ergebnis_tab_info'}）来获取整个表格。

谢谢...或者我应该尝试使用Perl获取所有内容...我不太熟悉。另一个解决方案是PHP中的正则表达式。

查看目标[1]：http://www.schulministerium.nrw.de/BP/SchuleSuchen?action=799.601437941842&SchulAdresseMapDO=142323

请注意;因为html有点无效 - 我认为我们必须做一些清理工作。这可能导致很多PHP代码 - 因为我们想用PHP解决这个问题。 Perl也是一个很好的解决方案。

非常感谢您提出一些起点和想法零

Answer 1

首先找到桌子（正如你所做）。使用find而不是findall会返回列表中的第一项（而不是返回所有查找的列表 - 在这种情况下，我们必须添加额外的[0]才能获取第一项列表中的元素）：

table = soup.find('table' ,attrs={'class':'bp_ergebnis_tab_info'})

然后再次使用find查找第一个td：

first_td = table.find('td')

然后使用renderContents()提取文字内容：

text = first_td.renderContents()

...并完成了工作（尽管您可能还想使用strip()删除前导和尾随空格：

trimmed_text = text.strip()

这应该给出：

>>> print trimmed_text
This is a sample text
>>>

根据需要。

Answer 2

使用“文本”获取“ td”之间的文本

1）首先使用标签或ID读取表DOM

soup = BeautifulSoup(self.driver.page_source, "html.parser")
htnm_migration_table = soup.find("table", {'id':'htnm_migration_table'})

2）阅读正文

tbody = htnm_migration_table.find('tbody')

3）从tbody标签读取所有tr

trs = tbody.find_all('tr')

4）使用tr获得所有tds

for tr in trs:
      tds = tr.find_all('td')
      for td in tds:
      print(td.text)

Answer 3

我发现Beautiful Soup非常有效的工具，所以继续学习它:-)它能够解析一个带有无效标记的页面，因此它应该能够处理你引用的页面。如果要获得具有有效标记的有效重新格式化页面源，可能需要使用命令BeautifulSoup(html).prettify()命令。

至于你的问题，你的第一个soup.findAll(...)命令的结果也是一个美丽的汤对象，你可以在其中进行第二次搜索，如下所示：

table_soup = soup.findAll('table' ,attrs={'class':'bp_ergebnis_tab_info'})
your_sample_text = table_soup.find("td").renderContents().strip()

print your_sample_text

美丽的汤[Python]和表中的文本提取

3 个答案: