Python 美丽汤：针对特定元素

Question

我正在尝试抓取网站的特定部分 ( https://flightmath.com/from-CDG-to-BLR )，但我无法定位我需要的元素。

下面是html的一部分

<h2 style="background-color:#7DC2F8;padding:10px"><i class="fa fa-plane"></i> &nbsp;flight distance = <strong>4,866</strong> miles</h2>

这是我的代码

dist = soup.find('h2', attrs={'class': 'fa fa-plane'}) 

我只想针对“4,866”部分。

如果有人可以指导我，我将非常感激。 提前致谢。

Answer 1

attrs={'class': '...'}需要准确的class属性值（不是组合）。
相反，使用soup.select_one方法通过扩展的css规则进行选择：

from bs4 import BeautifulSoup
import requests

url = 'https://flightmath.com/from-CDG-to-BLR'
html_data = requests.get(url).content
soup = BeautifulSoup(html_data, 'html.parser')

dist = soup.select_one('h2 i.fa-plane + strong')
print(dist.text)   # 4,866

Answer 2

如果感兴趣：该值被硬编码到 html 中（用于计算飞行速度），因此您还可以使用以下正则表达式输出更精确的值。 您可以使用round()获取页面上显示的值。

import requests, re

urls = ['https://flightmath.com/from-CDG-to-BOM', 'https://flightmath.com/from-CDG-to-BLR', 'https://flightmath.com/from-CDG-to-IXC']
p = re.compile(r'flightspeed\.min\.value\/60 \+ ([0-9.]+)')
with requests.Session() as s:
    for url in urls:
        print(p.findall(s.get(url).text)[0])

Answer 3

使用类名查找标签，然后使用 find_next() 查找强标签。

from bs4 import BeautifulSoup
import requests

url = 'https://flightmath.com/from-CDG-to-BLR'
html_data = requests.get(url).text
soup = BeautifulSoup(html_data, 'html.parser')
dist = soup.find('i',class_='fa-plane').find_next('strong')
print(dist.text)