我正在尝试解析我抓取的一些 HTML,但遇到了一个奇怪的问题。我需要找到一个 <td>包含 <a> 的标签带有特定名称的标记,然后我想转储整个 <td> 的内容标签。现在我只是想让它实际打印 <a> 的“名称”属性的内容。标签。我的理解是,如果我有一个特定的元素(而不是元素列表),该元素的“attrs”应该是一个字典,我应该能够通过字符串键提取值:
soup = BeautifulSoup(html)
for tdblock in soup.findAll('td'):
try:
for ablock in tdblock.findAll('a'):
print ablock.attrs['name']
except AttributeError:
pass
(try/except block 是因为 HTML 中并非所有 <td> block 都有 <a> block 。)
但它会抛出一个 TypeError :
Traceback (most recent call last):
File "fetch_historic_nfl_odds.py", line 26, in <module>
print ablock.attrs['name']
TypeError: list indices must be integers, not str
如果我修改代码只打印ablock.attrs,它显然是一个列表,而不是字典:
[(u'name', u'EMAIL')]
我在 stackoverflow 上看到了一些内容,表明如果您尝试解析 findAll 的属性,您将获得一个列表。 ,但我将逐个元素地进行,所以不清楚为什么会这样。
我也试过修改一些东西,让它使用 find()只获取第一个 A 项,但“attrs”仍然是一个列表。
通过整数获取我需要的数据是可行的,但我不能依赖我需要的数据始终位于列表中的同一位置。我知道我可以使用 findAll通过 actual 属性搜索特定元素,但我只需要匹配 name 属性中字符串的前几个单词,所以我认为这行不通。
编辑:这是我试图通过 soup.prettify() 解析的 HTML 代码片段:
<table width="644" border="0" cellpadding="3" cellspacing="0">
<tr>
<td>
<br />
<a name="Closing NFL Odds Week 1, 2006">
</a>
<center>
<font face="Georgia, Times New Roman, Times, serif">
<span style="font-size:14.0pt;font-family:Georgia">
<b>
Closing Las Vegas NFL Odds From Week 1, 2006
<br />
Week One NFL Football Odds
<br />
Pro Football Game Odds 9/7 - 9/11, 2006
</b>
</span>
</font>
</center>
我正在寻找的是能够检查并查看是否首先 <a>标签有一个以“Closing NFL Odds”开头的“名称”字段,如果是,则返回整个 <td> block 进行额外的解析。
进一步编辑: 我正在使用 Python 2.7.12 和非 bs4 BeautifulSoup,以防相关。
请您参考如下方法:
jwodder 说得对; BeautifulSoup 版本 4 之前的版本似乎返回属性列表。我升级到 bs4,现在可以用了。谢谢大家!
