背景：我對(duì) Python 相當(dāng)有經(jīng)驗(yàn)，但對(duì) BeautifulSoup 完全是個(gè)菜鳥(niǎo)我試圖從一個(gè)類(lèi)中獲取 3 個(gè)值。我正在使用的頁(yè)面看起來(lái)有一系列元素，如下所示：<blockquote><a name="title"><p><B>Title</b> <table frame="hsides" border="1" cellspacing="0" cellpadding="2" bordercolor="darkblue"><tr><td><font face="arial" size="2" color="#0000CC"><b><I>Subtitle</I>: Top Text.</b></font></td></tr></table> Body Text.<a name="title2".... etc</blockquote>目前，我只是將所有文本轉(zhuǎn)儲(chǔ)到這樣的列表中：page_html = soup(page, 'html.parser')text = []for a in page_html.select('a'): text.append(a.text)這將返回每行如下所示的結(jié)果：Title Subtitle: Top Text. Body Text.我真正想要的是能夠?qū)⒚總€(gè)解析a成數(shù)據(jù)框中的一行，看起來(lái)像：col1 col2 col3Title Subtitle: Top Text. Body Text.但坦率地說(shuō)，我有點(diǎn)過(guò)頭了。
2 回答
湖上湖
TA貢獻(xiàn)2003條經(jīng)驗(yàn) 獲得超2個(gè)贊
如果您的所有<a>標(biāo)簽都相同，則可以使用：
from bs4 import BeautifulSoup
import pandas as pd
page = '''<blockquote>
<a name="title"><p><B>Title</b> <table frame="hsides" border="1" cellspacing="0" cellpadding="2" bordercolor="darkblue"><tr><td><font face="arial" size="2" color="#0000CC"><b><I>Subtitle</I>: Top Text.</b></font></td></tr></table> Body Text.</blockquote>
'''
soup = BeautifulSoup(page, "html.parser")
text = []
for texts in soup.find_all('a'):
paragraph = texts.find('p')
title = texts.find('b').text
subtitle = texts.find_all('b')[1].text
other = ''.join(paragraph.find_all(text=True, recursive=False))
d = {'col1': [title], 'col2': [subtitle],'col3' : [other]}
df = pd.DataFrame(data=d)
print(df)
輸出 ：
col1 col2 col3
0 Title Subtitle: Top Text. Body Text.
慕的地6264312
TA貢獻(xiàn)1817條經(jīng)驗(yàn) 獲得超6個(gè)贊
僅使用您共享的 HTML 片段：
from bs4 import BeautifulSoup
content = '<a name="title"><p><B>Title</b> ' \
'<table frame="hsides" border="1" cellspacing="0" cellpadding="2" bordercolor="darkblue">' \
'<tr><td><font face="arial" size="2" color="#0000CC"><b><I>Subtitle</I>: Top Text.</b></font>' \
'</td></tr></table> Body Text.'
soup = BeautifulSoup(content, 'html.parser')
articles = soup.find_all('a')
for article in articles:
paragraph = article.find('p')
print({
'title': article.find('b').text,
'subtitle': article.select('table i')[0].text,
'body': ''.join(paragraph.find_all(text=True, recursive=False))
})
由于問(wèn)題主要是關(guān)于 BeautifulSoup，而不是關(guān)于 Pandas，我認(rèn)為字典就足夠了，你可以自己將它放入數(shù)據(jù)框或其他數(shù)據(jù)結(jié)構(gòu)中嗎？
結(jié)果：
{'title': 'Title', 'subtitle': 'Subtitle', 'body': ' Body Text.'}
添加回答
舉報(bào)
0/150
提交
取消