我试图在网页上的特定“输入”标签中提取单个“值”属性的内容。我使用以下代码:
import urllib
f = urllib.urlopen("http://58.68.130.147")
s = f.read()
f.close()
from BeautifulSoup import BeautifulStoneSoup
soup = BeautifulStoneSoup(s)
inputTag = soup.findAll(attrs={"name" : "stainfo"})
output = inputTag['value']
print str(output)
我得到TypeError:列表索引必须是整数，而不是str
尽管如此，从Beautifulsoup文档中，我了解到字符串在这里不应该是一个问题……但我不是专家，我可能误解了。
任何建议都非常感谢!
当前回答
你可以试试西班牙凉菜汤:
使用pip Install gazpacho安装它
获取HTML并使用以下方法制作Soup:
from gazpacho import get, Soup
soup = Soup(get("http://ip.add.ress.here/")) # get directly returns the html
inputs = soup.find('input', attrs={'name': 'stainfo'}) # Find all the input tags
if inputs:
if type(inputs) is list:
for input in inputs:
print(input.attr.get('value'))
else:
print(inputs.attr.get('value'))
else:
print('No <input> tag found with the attribute name="stainfo")
其他回答
我使用这个与Beautifulsoup 4.8.1来获得某些元素的所有类属性的值:
from bs4 import BeautifulSoup
html = "<td class='val1'/><td col='1'/><td class='val2' />"
bsoup = BeautifulSoup(html, 'html.parser')
for td in bsoup.find_all('td'):
if td.has_attr('class'):
print(td['class'][0])
需要注意的是，即使属性只有一个值，属性键也会检索一个列表。
.find_all()返回所有找到元素的列表，因此:
input_tag = soup.find_all(attrs={"name" : "stainfo"})
Input_tag是一个列表(可能只包含一个元素)。根据你想要什么，你应该做:
output = input_tag[0]['value']
或者使用.find()方法，只返回一个(第一个)找到的元素:
input_tag = soup.find(attrs={"name": "stainfo"})
output = input_tag['value']
下面是一个如何提取所有a标签的href属性的例子:
import requests as rq
from bs4 import BeautifulSoup as bs
url = "http://www.cde.ca.gov/ds/sp/ai/"
page = rq.get(url)
html = bs(page.text, 'lxml')
hrefs = html.find_all("a")
all_hrefs = []
for href in hrefs:
# print(href.get("href"))
links = href.get("href")
all_hrefs.append(links)
print(all_hrefs)
我实际上会建议你一种节省时间的方法，假设你知道什么样的标签有这些属性。
假设标签xyz的属性管名为“staininfo”..
full_tag = soup.findAll("xyz")
我想让你明白full_tag是一个列表
for each_tag in full_tag:
staininfo_attrb_value = each_tag["staininfo"]
print staininfo_attrb_value
因此，您可以获得所有标记xyz的staininfo的所有attrb值
你可以尝试使用名为requests_html的强大的新包:
from requests_html import HTMLSession
session = HTMLSession()
r = session.get("https://www.bbc.co.uk/news/technology-54448223")
date = r.html.find('time', first = True) # finding a "tag" called "time"
print(date) # you will have: <Element 'time' datetime='2020-10-07T11:41:22.000Z'>
# To get the text inside the "datetime" attribute use:
print(date.attrs['datetime']) # you will get '2020-10-07T11:41:22.000Z'
