如何使用美丽的汤获得李标题

Question

我正在努力抓紧美国大学的名单。我已经尝试了几个小时，但没有任何效果（即其他方法会使控制台崩溃）。到目前为止，这就是我所拥有的。

HTML的格式如下：

<ol>
<a name="A"><b>A</b></a><br/>
<p>
<li><a href="http://www.acu.edu/">
    Abilene Christian University</a> (acu.edu)

<li><a href="http://www.adelphi.edu/">
    Adelphi University</a> (adelphi.edu)

<li><a href="http://www.scottlan.edu/">
        Agnes Scott College</a> (scottlan.edu)

<li><a href="http://www.afit.af.mil/">
    Air Force Institute of Technology</a> (afit.af.mil)

这是我的代码：

from bs4 import BeautifulSoup as soup
from urllib.request import urlopen as uReq

#Site for list scraping 
my_url = "http://doors.stanford.edu/~sr/universities.html"

#Open connection and grab the page
uClient = uReq(my_url)

#Save contents to variable
page_html = uClient.read()

#Close connection
uClient.close()

#Html parsing
page_soup = soup(page_html, "html.parser")

#Checking the list
page_soup.ol

我尝试了page_soup.findChildren("li")和page_soup.find("li", {"class":"text"})以及无数其他尝试，都无济于事。

有帮助吗？

Answer 1

在查看了文档并进行了实验之后，我找到了答案。虽然有点脏，所以您必须清洁它。

#Get the list
listofuni = [li.text for li in page_soup.findAll('li')]

Answer 2

我只需尝试page_soup.find_all("li")即可获得所有<li>标签。

不知道为什么无法通过“ ol.getChildren（）”在<li>中获得<ol>，还有一个帖子Unable to scrape <li> tag inside the <ol> tag using beautiful soup。