如何使用Python從HTML中提取它？

Question

我正在嘗試提取該數據：

<div class="address"><h3>Text1</h3><div class="adr">Text2</div></div>

我想打印text1和text2。

我嘗試這樣：

br = mechanize.Browser()
html = """<div class="address"><h3></h3><div class="adr"></div></div>"""
soup = BeautifulSoup(html)
br.addheaders = [('User-agent', 'Firefox')]
br.open("http://de.fakenamegenerator.com/gen-male-gr-gr.php")
adress = soup.findAll('div', attrs={ "class" : "adr"})

print len(adress)

我得到的結果是：

1

...

謝謝！

Answer 1

首先，您需要使用mechanize進行請求，然后將response傳遞給BeautifulSoup進行解析：

from bs4 import BeautifulSoup
import mechanize

br = mechanize.Browser()
br.addheaders = [('User-agent', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/37.0.2062.122 Safari/537.36')]
br.open("http://de.fakenamegenerator.com/gen-male-gr-gr.php")

soup = BeautifulSoup(br.response())
address = soup.find('div', attrs={"class": "address"})

print address.h3.text.strip()
print address.find('div', attrs={'class': 'adr'}).text.strip()

打印：

Jan Amsel
Invalidenstrasse 6567159 Friedelsheim