Rav*_*310 1 python beautifulsoup
如果元素具有 id 或类，我知道如何从网页中抓取数据。
例如，这里soup是一个 BeautifulSoup 对象。
for item in soup.findAll('a',{"class":"class_name"}):
title = item.string
print(title+"\n")
如果元素没有 id 或 class，我们如何做到这一点？例如，没有 id 或 class 的段落元素。
或者在更糟糕的情况下，如果我们只需要抓取一些像下面这样的纯文本会发生什么？
<body>
<p>YO!</p>
hello world!!
</body>
例如，如何仅hello world!!在上述页面源中打印？它没有 id 或 class。
如果你想定位一个没有定义id和class属性的元素：
soup.find("p", class_=False, id=False)
要像hello world!!在您的示例中一样定位“文本”节点，您可以通过文本本身获取它 - 通过部分匹配或正则表达式匹配：
import re
soup.find(text=re.compile("^hello")) # find text starting with "hello"
soup.find(text="hello world!!") # find text with an exact "hello world!!" text
soup.find(text=lambda text: text and "!!" in text) # find text havin "!!" inside it
或者，您可以找到前面的p元素并获取下一个文本节点：
soup.find("p", class_=False, id=False).find_next_sibling(text=True)
soup.find("p", text="YO!").find_next_sibling(text=True)
| 归档时间： |
|
| 查看次数： |
9371 次 |
| 最近记录： |