Question

我刚开始学习如何使用美丽的汤。

作为练习，我选择了this page from ESPN。

那里有一张NBA球员和他们的幻想队伍。我能够打印整行，它显示了我在浏览器中看到的所有内容。

然而，当我单独打印每个单元格时，它打印出“无”，因为由于某种原因，它无法解析包含锚点的单元格

以下是我的代码：

int

如果我使用

from bs4 import BeautifulSoup

import urllib2
import re

if __name__ == '__main__':
   url = "http://www.espn.com/espn/print?id=20443164"
   resp = urllib2.urlopen(url)
   soup = BeautifulSoup(resp.read())

   table = soup.find_all("table")
   mytable = table[2]
   rows = mytable.findChildren(['th','tr'])
   print rows
   for row in rows:
       cells = row.findChildren('td')
       for cell in cells:
#           print cell.string  # line in question
           print cell  # line in question

我得到以下输出：

print cell

如果我使用

<td>1. <a href="http://www.espn.com/nba/player/_/id/3032977/giannis-antetokounmpo">Giannis Antetokounmpo</a>, SF/PF</td>
<td>PHI</td>
<td>C24</td>

我得到以下输出：

print cell.string

那么如何在不使用“td”标签的情况下打印所有内容，但如果不打印“无”，则可以识别第一个单元格中的所有内容？

Answer 1

在最后一个循环中尝试这个。将cell.string更改为cell.text

for cell in cells:
    print cell.text

Answer 2

你可以这样做 -

print (cell.text)

这将使您在单元格中跳过所有标签init。

Answer 3

关于official documentation {强调我的.string：

<强> .string




如果某个标签只有一个孩子，且该孩子为NavigableString，则该子项将显示为.string



如果标记的唯一子标记是另一个标记，并且该标记具有.string，那么父标记被视为与其子标记<{1}}



如果某个代码包含多个内容，则不清楚.string应引用的内容，因此.string定义为.string

的含义如果标记包含多个内容，则标记包含其他标记时，None的结果为tag.string。这就是您在代码中首先获得None代码None的原因（因为它包含另一个代码<td>）。

因此，要获取标记的完整文本，您可以使用get_text()。因此，在您的代码中，使用<a>。

或者，对于这种情况，您也可以使用cell.get_text()。 cell.text与.text相同，您可以在source code中看到：

get_text()

如何在Beautiful Soup中打印出表行的所有单元格

3 个答案: