做一次 BeautifulSoup 问题伸手党

This topic created in 4032 days ago, the information mentioned may be changed or developed.

通过print(soup.find_all('div','loopsum',limit=1))得到下面的内容

[<div class="loopsum"><p>xxxx</p></div>]

请问怎么拿到<p></p>之间的正文？

loopsum

div

limit=1

14 replies • 2015-05-26 20:38:06 +08:00

Sylv

May 25, 2015 via iPhone

result = soup.find('div', 'loopsum')
print result.p.text

killpanda

May 25, 2015

result = soup.get_text()

LINAICAI

May 25, 2015

@killpanda
@Sylv
好厉害

LINAICAI

May 26, 2015

@Sylv 大牛再请教个问题，形如data-original的属性怎么取
比如<img alt="aaa" class="lazy" data-original="xxx" height="140" src="ccc" width="201"/>

想得到xxx，怎么写，这段已经是通过soup.findAll('div','loopmain',limit=10)拿到的，想进一步得到xxx？

Sylv

May 26, 2015 via iPhone

tag['data-original']

先去过遍 bs4 的文档，这些都很基础

LINAICAI

May 26, 2015

@Sylv 还是不会。。。看懂了文档运行不错想要的东西啊
大神，你看我这标题，帮忙下

LINAICAI

May 26, 2015

@Sylv data-original不是普通的属性节点啊
find_all好像没发搜

Sylv

May 26, 2015 via iPhone

没明白你的问题，你想找有 data-original 的 tag？

LINAICAI

May 26, 2015

@Sylv 想找所有data-original里面的文本，这个文本是个图片URL，但并不是所有data-original都是我要的，所以要加一个条件img里面带class='lazy'的

<img alt="aaa" class="lazy" data-original="xxx" height="140" src="ccc" width="201"/>

想取到xxx的文本值

Sylv

May 26, 2015 via iPhone

results = soup.find_all('img', data-original=True)
print results[0]['data-original']

Sylv

May 26, 2015 via iPhone

results = soup.find_all('img', class_="lazy", data-original=True)
print results[0]['data-original']

LINAICAI

May 26, 2015

@Sylv
出错了
images = soup.find_all('img', class_='lazy', data-original=True)
SyntaxError: keyword can't be an expression

Sylv

May 26, 2015 via iPhone

images = soup.find_all('img', class_='lazy', attrs={'data-original':True})

没注意到参数名中不能有 “-“ 的问题，得用字典

Some attributes, like the data-* attributes in HTML 5, have names that can’t be used as the names of keyword arguments.
You can use these attributes in searches by putting them into a dictionary and passing the dictionary into find_all() as the attrs argument:

LINAICAI

May 26, 2015

@Sylv
已经搞定了
print("----------开始爬图片----------")
images = soup.find_all('img', class_='lazy', attrs={'data-original':True})
for obj in images:
#图片
print obj['data-original']
print('\n')

难点主要是-号的问题，不过因为大神提示，对字段的用法有了一点体会。。。