使用美丽的汤刮页

Question

我有两个略有不同的网址： https ：//www.booli.se/annons/2278076,https： //www.booli.se/bostad/507292

第一页和第二页之间的区别：在第二页中没有Utropspris（估计价格）。

在第一个链接中，我将使用以下代码获得估计价格（Utropspris）：

in[1]= soup.findAll('span', class_='property__base-info__value')[1].text.strip() 
out[1]= u'3 800 000 kr\n\t\t\t64 407 kr/m\xb2'

但是在使用我上面使用的相同代码的第二个链接中，我将收取费用（Avgift）

in[2]= soup.findAll('span', class_='property__base-info__value')[1].text.strip() 
out[2]= u'4 425 kr/m\xe5n'

我如何告诉我的代码，当我使用相同的代码时，在第二个链接中，这不再是估计价格（Utropspris）。 这是费用（avgift），保存为费用和估计价格写入NA。 这是我的代码的一部分，可能会有所帮助。

url=https://www.booli.se/bostad/507292
import requests
from bs4 import BeautifulSoup
request = requests.get(url)
soup = BeautifulSoup(request.text,'lxml')
soup.findAll('span', class_='property__base-info__value')[1].text.strip()

Answer 1

一个想法是刮掉与该值相关联的标签。 正如我从网站上看到的那样，包含信息的每一行都是一个带有class="property__base-info__item"的li项目。

所以在第一个链接中，你有一个带有class="property__base-info__unit"的span，其文本值是'Utropspris'，以及带有property__base-info__value的span，它是你已经获得的值。

你可以这样做：

elements = soup.findAll('li', class_='property__base-info__item')
pairs = {}
for element in elements:
   tag = element.find('span', class_='property__base-info__unit').text
   value = element.find('span', class_='property__base-info__value').text
   pairs[tag] = value

我没有自己测试代码，但想法是遍历项目列表，并获得标记和标记的值。 然后，您可以将对保存在字典中，并根据您的喜好处理案例。

Answer 2

你实际上可以发现它们之间的区别。 您的数据之前还有一个跨度。

 <span class="property__base-info__unit">Utropspris</span>

如您所见，您也可以废弃此元素。 如果跨度内容是Utropspris ，这意味着数据是Utropspris，如果不是，这意味着Avgit。