使用 BeautifulSoup & for 循环提取数据

Question

我无法使用 BeautifulSoup 从网页的一部分返回所有所需的数据。 当我运行下面的 python 时，for 循环只带回它找到的第一条记录，而不是网页中的整个数据集：

import requests  
from bs4 import BeautifulSoup  
r = requests.get('https://www.ncsl.org/research/health/state-action-on-coronavirus-covid-19.aspx')
soup = BeautifulSoup(r.text, 'html.parser')  
results = soup.find_all('tbody')
records = []  
for result in results:  
    state_name = result.find('td').text
    law_Name = result.find('a').text
    law_link = result.find('a').get('href')
    law_status = result.find('b').text
    law_descr = result.find('tr').text[16:-2]
    records.append((state_name, law_Name,law_link,law_status,law_descr))

尽管我使用 for 循环遍历所有结果对象（这是一个 bs4.element.ResultSet），但记录列表中只填充了一个元素：

[('Alabama',
  'SJR 40',
  'http://alisondb.legislature.state.al.us/ALISON/SearchableInstruments/2020RS/PrintFiles/SJR40-enr.pdf',
  'Eligible for Governor.',
  ' Urges individuals to fist bump rather than shake hands. Eligible for Governor')]

任何修复我的代码的帮助将不胜感激。 谢谢！

Answer 1

您在源代码中有一个<tbody>标签，因此它将创建一个包含一个元素的列表。 当您尝试找到td它只会找到第一个找到的。 我想你想要一个tbody中所有<tr>的列表，并使用soup.find_all('tbody')[0].find_all('tr')顺便说一句，注意结构，有些链接没有有<b> 。 我认为这可以帮助您：

import requests  
from bs4 import BeautifulSoup  

r = requests.get('https://www.ncsl.org/research/health/state-action-on-coronavirus-covid-19.aspx')
soup = BeautifulSoup(r.text, 'html.parser')  
results = soup.find_all('tbody')[0].find_all('tr')
records = []
for result in results:  
    state_name = result.find('td').text
    if result.find('a'):
        law_Name = result.find('a').text
        law_link = result.find('a').get('href')
    else:
        law_Name = None
        law_link = None
    law_status = result.find('b').text if result.find('b') else None
    law_descr = result.find_all('td')[1].text[16:-2]
    records.append((state_name, law_Name,law_link,law_status,law_descr))