[英]Using a nested element's text as a selector in BeautifulSoup
我正在寻找以下HTML结构:
<p><strong>ID:</strong>547</p>
<p><strong>Class:</strong>foobar</p>
<p><strong>Procedures:</strong>lorem ipsum.</p>
<p>dolor sit amet.</p>
...
<p><strong>Description:</strong>curabitur at orci posuere.</p>
<p>massa nec fringilla.</p>
...
我对使用BeautifulSoup不太自信,也不太确定如何处理给定节的标识符(id,类,过程和描述)嵌套在包含该节内容的第一段中的事实。
我正在尝试遵循以下路线:
{
'id': 547,
'class': 'foobar',
'procedures': 'lorem ipsum. dolor sit amet.'
'description': 'curabitur at orci posuere. massa nec fringilla.'
}
您可以使用element.next_sibling
参考获取<strong>
标记之后的文本。 对于没有strong
标签的p
标签,您必须附加到最后处理的键。
使用Element.find_all()
方法选择所有<p>
标记,循环并更新字典:
mapping = {}
key = None
for item in soup.find_all('p'):
if item.strong:
key = item.strong.get_text(strip=True).rstrip(':')
value = item.strong.next_sibling.strip()
else:
value = mapping[key] + ' ' + item.get_text(strip=True)
mapping[key] = value
演示:
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('''\
... <p><strong>ID:</strong>547</p>
... <p><strong>Class:</strong>foobar</p>
... <p><strong>Procedures:</strong>lorem ipsum.</p>
... <p>dolor sit amet.</p>
... ...
... <p><strong>Description:</strong>curabitur at orci posuere.</p>
... <p>massa nec fringilla.</p>
... ''')
>>> mapping = {}
>>> key = None
>>> for item in soup.find_all('p'):
... if item.strong:
... key = item.strong.get_text(strip=True).rstrip(':')
... value = item.strong.next_sibling.strip()
... else:
... value = mapping[key] + ' ' + item.get_text(strip=True)
... mapping[key] = value
...
>>> from pprint import pprint
>>> pprint(mapping)
{u'Class': u'foobar',
u'Description': u'curabitur at orci posuere. massa nec fringilla.',
u'ID': u'547',
u'Procedures': u'lorem ipsum. dolor sit amet.'}
这不会将ID转换为整数。 如果您强烈希望转换表示整数的字符串,则可以使用try: value = int(value)
, except ValueError: pass
组合except ValueError: pass
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.