Question

我正在尝试访问一个类HTML中的唯一文本。我试图申请documentation BeautifulSoup，但是我总是收到相同的错误消息或该标签中的所有项目。

我的代码。py

from urllib.request import urlopen
from bs4 import BeautifulSoup
import requests
import re

url = "https://www.auchandirect.pl/auchan-warszawa/pl/pepsi-cola-max-niskokaloryczny-napoj-gazowany-o-smaku-cola/p-98502176"
r = requests.get(url, headers={'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8'}, timeout=15)
html = urlopen(url)
soup = BeautifulSoup(html, 'lxml')
type(soup)

products_links = soup.findAll("a", {'class' : 'current-page'})

print(products_links)

在结果中，我只需要这个'Max niskokalorycznynapójgazowany o smaku cola'。

我的结果是：

<a class="current-page" href="/auchan-warszawa/pl/pepsi-cola-max-niskokaloryczny-napoj-gazowany-o-smaku-cola/p-98502176"><span>Max niskokaloryczny napój gazowany o smaku cola</span></a>

或者如果我将根据文档（print（products_links.get_text（））应用此代码）Pycharm返回：

ResultSet object has no attribute '%s'. You're probably treating a list of items like a single item. Did you call find_all() when you meant to call find()?"

如何从“当前页面”中正确提取文本？函数为什么不返回标签中的文本？与使用'findAll（“ a”，{'class'：'current-page'}）'相比，使用'findAll（“ a”，class _ =“ current-page”）'访问类有什么区别？结果相同吗？

任何帮助将不胜感激。

Answer 1

findAll返回在定义的标记中找到的项目的列表。想象一下，如果有多个标签，它将返回匹配的多个标签的列表。

无论您使用findAll("a", class_="current-page")还是传递带有多个参数{'class' : 'current-page'}的字典，都应该没有任何区别。我可能错了，但我相信，因为其中一些方法是从早期版本继承的。

您可以通过选择元素并获取如下所示的text属性来从返回的对象中提取文本：

products_links = soup.findAll("a", {'class' : 'current-page'}, text = True)
print(products_links[0].text)

仅将get_text（）用于一个HTML类-Python，BeautifulSoup

1 个答案: