python beautifulsoup应用问题？

Posted 2023-04-25

想抓企业名字，给讲讲哪里不对出不了结果
from selenium import webdriver
import timedriver = webdriver.Chrome() # 打开 Chrome 浏览器driver.get("http://m.chkling.com.cn/activity?sid=14f6f1619fb9e670&cfrom=UP2CW&code=001tnrFa1yv2AA0HsuIa1648644tnrFg&state=")
time.sleep(2) #等一下driver.find_element_by_xpath("(//img[contains(@src,'https://img.chkling.com/m/img/close_btn.png')])[2]").click()
from bs4 import BeautifulSoupdata = driver.page_source #获取网页文本soup = BeautifulSoup(data,features="lxml")
name = soup.find_all('data-v-1937cf82','class':'player-name')
print(name)driver.quit()

最好是先看一下 driver.page_source 的内容，确保里面有你先要的数据。
查一下 beautifulsoup 的文档，有关 css 选择器的部分，对一下 find_all 里面的语法是不是正确 。在写 find_all 的时候一层一层选下去，不要一开始就写到最里面一层。
平时写解析的时候用 lxml 比较多，beautifulsoup 的写法太久没写过了。追问

直接输出driver.page_source里的内容没有问题，卡在find_all这块了

追答

太久没写过 beautifulsoup 了，你自己看一下 css 选择器吧。
我用 lxml 的 xpath 选择器实现一遍给你看。
from lxml import etree
response = etree.HTML(driver.source)
name_list = response.xpath('//div[@class="player-name"]/text()')
如无意外的话，name_list 估计就是你想要的结果。
太懒了，不想再去看 beautifulsoup 了。以后我也基本不会用到。

追问

谢谢，已经实现了。还有我想问下要现在输出内容都在一块，想输出内容一行一行的应该怎么写？

追答

恕我直言，你的基础像是没学过，现在写爬虫似是太超前了。就算目标被你抓到，想保存等动作可能心有余而力不足。可能的话先把基础学一下吧。
如果是说上面这一句的话，name_list = response.xpath('//div[@class="player-name"]/text()')，返回是一个列表，用 for 就能轮询出来。爬虫的难度在于你前面用 selenium 另辟巧径的这块。后面的输出和保存已经是目标到手了的部分，已不算有难度的部分。

追问

哈哈 您看的真准 我都是现看视频东拼西凑的代码

参考技术A 觉得不是beautifulsoup包的问题。首先，你要该选择器下是否有你想要的数据，建议打印出来看一下。其次，你也要确定自己的选择器没有写错

Python BeautifulSoup，遍历标签和属性

【中文标题】Python BeautifulSoup，遍历标签和属性

【英文标题】：Python BeautifulSoup, iterating through tags and attributes

【发布时间】：2017-11-27 04:02:24

【问题描述】：

我想遍历 html 页面某些部分中的所有标签。我应用了 BeautifulSoup，但我可以没有它，只有 Selenium 库。 假设我有以下 html 代码：

<table id="myBSTable">   
    <tr>
        <th>Column A1</th>
        <th>Column B1</th>
        <th>Column C1</th>
        <th>Column D1</th>
        <th>Column E1</th>
    </tr>
    <tr>
        <td data="First Column Data"></td>
        <td data="Second Column Data"></td>
        <td title="Title of the First Row">Value of Row 1</td>
        <td>Beautiful 1</td>
        <td>Soup 1</td>
    </tr>
    <tr>
        <td></td>
        <td data-g="Second Column Data"></td>
        <td title="Title of the Second Row">Value of Row 2</td>
        <td>Selenium 1</td>
        <td>Rocks 1</td>
    </tr>
    <tr>
        <td></td>
        <td></td>
        <td title="Title of the Third Row">Value of Row 3</td>
        <td>Pyhon 1</td>
        <td>Boulder 1</td>
    </tr>
    <tr>
        <th>Column A2</th>
        <th>Column B2</th>
        <th>Column C2</th>
        <th>Column D2</th>
        <th>Column E2</th>
    </tr>
    <tr>
        <td data="First Column Data"></td>
        <td data="Second Column Data"></td>
        <td title="Title of the First Row">Value of Row 1</td>
        <td>Beautiful 2</td>
        <td>Soup 2</td>
    </tr>
    <tr>
        <td></td>
        <td data-g="Second Column Data"></td>
        <td title="Title of the Second Row">Value of Row 2</td>
        <td>Selenium 2</td>
        <td>Rocks 2</td>
    </tr>
    <tr>
        <td></td>
        <td></td>
        <td title="Title of the Third Row">Value of Row 3 2</td>
        <td>Pyhon 2</td>
        <td>Boulder 2</td>
    </tr>
</table>  

我的这部分工作完美：

#Selenium libraries
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
from selenium.common.exceptions import NoSuchElementException

#BeautifulSoup
from bs4 import BeautifulSoup

browser = webdriver.Firefox()
browser.get('http://urltoget.com')   

table = browser.find_element_by_id('myBSTable')
bs_table = BeautifulSoup(table.get_attribute('innerHTML'), 'lxml')
#So far so good
rows = bs_table.findAll('tr')
for tr in rows:
    #Here is where I need help
    #I want to iterate through all tags
    #but I don't know if is going to be a th or a td
    #At the same time I need to do something
    #if is a td or a th

这就是我想要完成的：

    #The following is a pseudo code
    for col in tr.tags:
        print col.name, col.value
        for attribute in col.attrs:
            print "    ", attribute.name, attribute.value
    #End pseudo code

谢谢， 附庸风雅

【参考方案1】：

您可以通过指定要查找的标签列表找到td 或th。要获取所有元素属性，请使用.attrs attribute：

rows = bs_table.find_all('tr')
for row in rows:
    cells = row.find_all(['td', 'th'])
    for cell in cells:
        print(cell.name, cell.attrs)

【讨论】：

谢谢，您的解决方案几乎奏效了。我说几乎是因为 cell.attrs 没有工作。经过一番研究，我发现了以下遍历属性的方法：** for attr, value in cell.attrs.iteritems(): print " attribute", attr, value** 我不得不使用 attrs 中的 iteritems()，因为如果我只有 cells.attrs，它就不起作用。

【参考方案2】：

另类循环（动作在底部）：

html='''<table id="myBSTable">   
    <tr>
        <th>Column A1</th>
        <th>Column B1</th>
        <th>Column C1</th>
        <th>Column D1</th>
        <th>Column E1</th>
    </tr>
    <tr>
        <td data="First Column Data"></td>
        <td data="Second Column Data"></td>
        <td title="Title of the First Row">Value of Row 1</td>
        <td>Beautiful 1</td>
        <td>Soup 1</td>
    </tr>
    <tr>
        <td></td>
        <td data-g="Second Column Data"></td>
        <td title="Title of the Second Row">Value of Row 2</td>
        <td>Selenium 1</td>
        <td>Rocks 1</td>
    </tr>
    <tr>
        <td></td>
        <td></td>
        <td title="Title of the Third Row">Value of Row 3</td>
        <td>Pyhon 1</td>
        <td>Boulder 1</td>
    </tr>
    <tr>
        <th>Column A2</th>
        <th>Column B2</th>
        <th>Column C2</th>
        <th>Column D2</th>
        <th>Column E2</th>
    </tr>
    <tr>
        <td data="First Column Data"></td>
        <td data="Second Column Data"></td>
        <td title="Title of the First Row">Value of Row 1</td>
        <td>Beautiful 2</td>
        <td>Soup 2</td>
    </tr>
    <tr>
        <td></td>
        <td data-g="Second Column Data"></td>
        <td title="Title of the Second Row">Value of Row 2</td>
        <td>Selenium 2</td>
        <td>Rocks 2</td>
    </tr>
    <tr>
        <td></td>
        <td></td>
        <td title="Title of the Third Row">Value of Row 3 2</td>
        <td>Pyhon 2</td>
        <td>Boulder 2</td>
    </tr>
</table>'''

Soup = BeautifulSoup(html)

rows = Soup.findAll('tr')
for tr in rows:
    for z in tr.children:
        if z.name =='td':
            do stuff1
        if z.name == 'th':
            do stuff2