10
votes

Beautifulsoup: des attributs spécifiés en bande, mais préserve la balise et son contenu

J'essaie de «défrontez» le HTML d'un site Web généré par MS FrontPage, et j'écris un script magnifique pour le faire.

Cependant, je suis resté coincé sur la partie où j'essaie de dépouiller un attribut particulier (ou des attributs de liste) de chaque balise du document qui les contient. L'extrait de code: xxx

il fonctionne sans erreur, mais ne dépasse aucun des attributs. Lorsque je l'exécute sans la boucle extérieure, il suffit de coder un seul attribut (Soupe.FindAll (Style '= true), ça marche.

QUELQU'ONNE VOIR Connaître le problème ici?

PS - Je n'aime pas beaucoup les boucles imbriquées non plus. Si quelqu'un connaît un style plus fonctionnel, map / filtre-ish, j'aimerais le voir.

python web-scraping beautifulsoup scraper frontpage

2 commentaires

Pour moi, ça marche si soupe.findall (attribut = true) est modifié simplement soupe.findall () .


                                        
                                                                            Belle prise, qui fonctionne effectivement. Pretty évident à l'arrière, n'avez pas besoin de vérifier la valeur de l'attribut deux fois. Seul problème est qu'il vérifie tous les attributs de chaque balise de la doc, et prend deux fois de temps à courir, mais 5s VS 2.5 pour ~ 15 pages n'est pas une grosse affaire ici.



                                    
                    5 Réponses :
                    
                                            
                            
                                
                                    9
 votes
                                
                            
                            
                                
                                     La ligne  xxx  
 ne trouve aucune balise   s. Il pourrait y avoir un moyen d'utiliser  retranchée ; Je ne suis pas sûr. Cependant, cela fonctionne:   xxx  
 Notez que ce code ne fonctionnera que dans Python 3. Si vous en avez besoin pour travailler à Python 2, reportez-vous à la réponse de Nóra ci-dessous.                                  


                                                                    
                                    
                                    
                                        1 commentaires
                                        
                                                                                            
                                                    Assez bien, merci! Quant à Findall, je suis sûr que je ne fais que référencer la variable  la variable de la variable de la variable, car le nom d'attribut est difficile dans sa place fonctionne. Travera cela plus sur le passé suivant, après avoir obtenu l'ensemble du script.                                                
                                                
                                                                                    
                                    
                                                            

                        

                        
                                            
                            
                                
                                    6
 votes
                                
                            
                            
                                
                                     Voici une version Python 2 de la réponse de Unutbu:  xxx                                  

                                                                    
                                    
                                    
                                        0 commentaires
                                        
                                                                                    
                                    
                                                            
                        
                        
                                            
                            
                                
                                    6
 votes
                                
                            
                            
                                
                                     juste FTR: le problème ici est que si vous passez des attributs HTML en tant qu'arguments de mots clés, le mot-clé est le  nom  de l'attribut. Votre code recherche donc des balises avec un attribut de nom  attribut , car la variable ne se développe pas. 
 C'est pourquoi  

 codage rigoureux Votre nom d'attribut a fonctionné [0] 
 Le code n'a pas échoué. La recherche ne correspond à aucune balise 
  Pour résoudre le problème, passez l'attribut que vous recherchez en tant que dict  dict :   xxx  
 htt quelqu'un à l'avenir ,
dtk  
 [0]: Bien qu'il soit nécessaire d'être  Find_All (style = true)  dans votre exemple, sans citations, car  SyntaxError: mot-clé ne peut pas être un expression                                   


                                                                    
                                    
                                    
                                        0 commentaires
                                        
                                                                                    
                                    
                                                            

                        

                        
                                            
                            
                                
                                    1
 votes
                                
                            
                            
                                
                                     J'utilise celui-ci:  xxx  
 ou   xxx  
 merci à  https://stackoverflow.com/a/22497855/1907997                                   

                                                                    
                                    
                                    
                                        0 commentaires
                                        
                                                                                    
                                    
                                                            
                        
                        
                                            
                            
                                
                                    2
 votes
                                
                            
                            
                                
                                     J'utilise cette méthode pour supprimer une liste d'attributs, très compacte:  xxx                                  

                                                                    
                                    
                                    
                                        0 commentaires

Articles qui pourrait vous intéresser : Python: ConnectionError: HTTPSConnectionPool (hôte = 'api.foursquare-com', port = 443) L'exécution de Flask sous Windows n'exécute pas la commande d'exécution de flask Chatbot installé mais obtention d'une erreur lors de l'importation de ChatBot Administrateur Django: __str__ a renvoyé une non-chaîne (type int)