Question

我真的是Python的新手，所以我仍在尝试弄清楚Beautiful Soup。我正在尝试抓取一个网站并提取五个元素，这些元素应紧跟在我的代码中找到的标记之后。

我尝试过next.element，它仅提取我在soup.find中使用的标签的文本，并且我尝试过next.sibling，它返回为空白。

页面上有很多“第一”和“最后”类，因此我必须指定文本所需要的行。这是我要抓的东西：

 <li>
        <ul>
            <li class="first">Maintenance</li>
                        <li>$number1</li>
                        <li>$number2</li>
                        <li>$number3</li>
                        <li>$number4</li>
                        <li>$number5</li>
                    <li class="last">$linetotal</li>
        </ul>
    </li>

这是我正在尝试的：

for x,y in zip(make, model):
    url = ('https://URL with variables goes here')
    headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36'}
    search = requests.get(url, headers = headers)
    html = search.text
    soup = BeautifulSoup(html, 'lxml')
    search_results = soup.find('li', class_ = 'first', text = re.compile('Maintenance'))
    try:
        d = search_results.next_element
        print(d)
    except:
        print('pass')

最终目标是将number1：number5数组追加到列表中，但是使用上面的代码，输出只是“ Maintenance”。我要去哪里错了？另外，由于我很新，如果您也能提供背景信息，我将非常感激。

Answer 1

以您的示例为例，最简单的方法是将所有未定义类的const method = play && (play.show_question && 'question' || play.show_answer && 'answer') || undefined;元素追加到结果列表中。

li

输出：

from bs4 import BeautifulSoup

html = """ <li>
        <ul>
            <li class="first">Maintenance</li>
                        <li>$number1</li>
                        <li>$number2</li>
                        <li>$number3</li>
                        <li>$number4</li>
                        <li>$number5</li>
                    <li class="last">$linetotal</li>
        </ul>
    </li>"""

soup = BeautifulSoup(html, 'lxml')
start = soup.find('li', class_ = 'first').parent
result = []

for ele in start.find_all('li'):

    if not ele.get('class'):
        result.append(ele.text)

print(result)

Answer 2

您可以将xpath表达式与tree.xpath一起使用

//li[@class='first' and text()='Maintenance']/following-sibling::li[not(@class)]

例如

from lxml.html import fromstring
# url = ''
# tree = html.fromstring( requests.get(url).content)
h = '''
 <li>
    <ul>
        <li class="first">Maintenance</li>
        <li>$number1</li>
        <li>$number2</li>
        <li>$number3</li>
        <li>$number4</li>
        <li>$number5</li>
        <li class="last">$linetotal</li>
    </ul>
</li>
'''
tree = fromstring(h)
items = [item.text for item in tree.xpath("//li[@class='first' and text()='Maintenance']/following-sibling::li[not(@class)]")]
print(items)

Answer 3

与QHarr回答类似的东西，但有些不同：

 h = '''
   <li>
     <ul>
       <li class="first">Maintenance</li>
       <li>$number1</li>
       <li>$number2</li>
       <li>$number3</li>
       <li>$number4</li>
       <li>$number5</li>
       <li class="last">$linetotal</li>
   </ul>
</li>

  '''
from lxml import etree
doc = etree.fromstring(h)
for cost in doc.xpath('//li'): 
   if not 'class' in cost.attrib:
      print(cost.text)

输出：

$number1
$number2
$number3
$number4
$number5

如何在Beautiful Soup中提取具有相同标签的特定嵌套元素？

3 个答案: