Question

我正在编写一个Python代码，以从以下网站抓取会议pdf：https://www.gmcameetings.co.uk pdf链接位于链接内，这些链接也位于链接内。我在上面的页面上有第一组链接，然后我需要在新的URL中抓取链接。当我这样做时，出现以下错误：

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

到目前为止，这是我的代码，可以很好地在jupyter笔记本中进行检查：

# importing libaries and defining
import requests
import urllib.request
import time 
from bs4 import BeautifulSoup as bs

# set url
url = "https://www.gmcameetings.co.uk/" 

# grab html 
r = requests.get(url)
page = r.text
soup = bs(page,'lxml')

# creating folder to store pfds - if not create seperate folder
folder_location = r'E:\Internship\WORK'

# getting all meeting href off url
meeting_links = soup.find_all('a',href='TRUE')
for link in meeting_links:
    print(link['href'])
    if link['href'].find('/meetings/')>1:
        print("Meeting!")

这是随后收到错误的行：

second_links = meeting_links.find_all('a', href='TRUE')

我已经按照python的建议尝试了find（），但这也不起作用。但我知道它不能将Meeting_links视为一个项目。

因此，基本上，您如何在新字符串变量（meeting_links）的每一位中搜索链接。

一旦我有了第二组网址，我已经有了获取pdf的代码，这似乎可以正常工作，但显然需要首先获取它们。希望这是有道理的，我已经解释了好-我只在星期一正确开始使用python，所以我是一个完整的初学者。

Answer 1

要获取所有会议链接，请尝试

from bs4 import BeautifulSoup as bs
import requests

# set url
url = "https://www.gmcameetings.co.uk/" 

# grab html 
r = requests.get(url)
page = r.text
soup = bs(page,'lxml')

# Scrape to find all links
all_links = soup.find_all('a', href=True)

# Loop through links to find those containing '/meetings/'
meeting_links = []
for link in all_links:
    href = link['href']
    if '/meetings/' in href:
        meeting_links.append(href)
print(meeting_links)

您在原始代码中使用的.find()函数特定于漂亮的汤对象。要在字符串中查找子字符串，只需使用本机Python：'a' in 'abcd'。

希望有帮助！

将项目列表视为单个项目错误：如何在已抓取的字符串中的每个“链接”中查找链接

1 个答案: