如何在带有 BS4 的 HTML 代码中找到这个通用标签（美丽的汤）

Posted 2023-02-23

【中文标题】如何在带有 BS4 的 HTML 代码中找到这个通用标签（美丽的汤）

【英文标题】：How to find this generic tag inside a HTML code with BS4 (beautiful soup)

【发布时间】：2020-03-02 05:49:57

【问题描述】：

我试图找到这个“通用”标签（只有一个“跨度”标签）。我尝试了很多东西，但没有一个成功。我尝试了下面的代码，但给我带来的比我想要的更多（我只是想达到“573 m²”......

代码：

Meters = [headline3.get_text() for headline3 in soup.find_all("ul", "class": "feature__container")]

输出：

['\n        573 m²\n        \n        4 \n        \n        4 \n        \n        4 \n        ',

html 代码（图片）：1：

【问题讨论】：

您可以将 html 示例发布为文本而不是图像吗？以及想要的输出？

【参考方案1】：

首先，您可以找到所有li 元素。然后，为每个 li 元素获取 first 直接 span 子元素，然后访问它的文本。

例子：

meters = [li.find("span", recursive=False).get_text() for li in soup.find_all("li",  "class" : "feature__item" ) ]

由于没有其他方法可以使用 HTML 选择器排除其他值（都是跨标签），您可能必须手动过滤掉带有 m² 的值以获得最终输出。

像这样：

result = list(map(int, [i.replace('m²', '').strip() for i in meters if 'm²' in i]))

输出：

[351, 573 ...]

参考：

How to find children of nodes using BeautifulSoup

【讨论】：

嗨 Rithin，非常感谢您的帮助。我试过你上面的代码，但它仍然返回相同的：'\n 351 m²\n'，'\n 4 \n'，'\n 3 \n'，'\n 5 \n'，'\n 573 m² \n ', '\n 4 \n ', '\n 4 \n ', '\n 4 \n ', '\n 270 平方米\n ', '\n 3 \n ', '\n 3 \ n ', '\n 3 \n ETc...我期待：351、573、...谢谢！

@Ferby，您能否将 html 输入添加为问题中的文本，以便我尝试？你的预期输出呢？

嗨，我的预期输出是：[351, 573, 270, 350,...] 只是数字！它带给我的不仅仅是必要的。网址是：zapimoveis.com.br/aluguel/casas-de-condominio/sp+sao-paulo/…我试图复制但我不知道如何复制所有的行，对不起！哈哈，这是一个网络抓取项目。

@Ferby，请查看更新后的答案。您必须手动过滤带有“m²”的文本并取回整数。

Rithin，非常感谢兄弟！！我真的陷入了困境，你帮了我很多！