使用BeautifulSoup无法解析HTML

Question

我正在尝试使用BeautifulSoup在Python中解析一些HTML。 具体来说，我正在尝试创建两个汤对象数组：一个用于发布网站上的发布日期，另一个用于发布本身。 但是，当我在与发布匹配的div类上使用findAll时，仅返回初始标签，而不返回标签内的文本。 另一方面，我的代码对日期也很好。 到底是怎么回事？？

# store all texts of posts
texts = soup.findAll("div", {"class":"quote"})

# store all dates of posts
dates = soup.findAll("div", {"class":"datetab"})

上面的第一行仅返回

<div class="quote">

这不是我想要的。 第二行返回

<div class="datetab">Feb<span>2</span></div>

这就是我想要的（预优化）。

我不知道我在做什么错。 这是我要解析的网站。 这是为了做作业，我真的很绝望。

Answer 1

您正在使用哪个版本的BeautifulSoup？ 与实际的HTML（读取的：无效的HTML）相比，版本3.1.0的性能明显低于3.0.8。 此代码适用于3.0.8：

import urllib2
from BeautifulSoup import BeautifulSoup

page = urllib2.urlopen("http://harvardfml.com/")
soup = BeautifulSoup(page)
for incident in soup.findAll('span', { "class" : "quote" }):
    print incident.contents

Answer 2

该站点由Tumblr提供支持。 Tumblr有一个API 。

Answer 3

有一个Tumblr的python端口，可用于读取文档。

from tumblr import Api

api = Api('harvardfml.com')
freq = {}
posts = api.read()
for post in posts:
   #do something here

对于您的伪造的findAll，如果没有程序的实际源代码，则很难看出问题出在哪里。