使用 BeautifulSoup 在 Python 中按元素抓取 HTML

Question

我試圖總結我從html中刮取的值，但是總和看起來很奇怪。（它顯然低於實際值。）

我查看了其他人的代碼，我注意到他們使用re.findall()來查找 html 中的數字。

我的問題是，為什么我不能直接從 html 中抓取內容元素？ 我的代碼在上面，底部是其他人的代碼與我的代碼不同的代碼的一部分。

提前感謝您的回答！

# load in the required packages for reading HTML

from urllib.request import urlopen
from bs4 import BeautifulSoup #parser for HTML
import ssl
import re
# Ignore SSL certificate errors
ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE

#open the url
url = 'http://py4e-data.dr-chuck.net/comments_874984.html'
html = urlopen(url, context = ctx).read()
soup = BeautifulSoup(html, "html.parser")

# Retrive the information form url
spans = soup('span')
sum = 0
for span in spans:
    x = span.contents[0]
    for n in x:
        sum = sum + int(n)
print(sum)

sum=0
# Retrieve all of the anchor tags
tags = soup('span')
for tag in tags:
    # Look at the parts of a tag
    y=str(tag)
    x= re.findall("[0-9]+",y)
    for i in x:
        i=int(i)
        sum=sum+i
print(sum)

Answer 1

如果我理解正確，這應該會讓你到達那里：

counter = 0
for comment in soup.select('span.comments'):
    counter+=int(comment.text)
print(counter)

甚至更短：

comments = [int(comment.text) for comment in soup.select('span.comments')]
print(sum(comments))

兩種情況下的輸出：

2266