时间戳

首页 > 解决方案 > 使用 beautifulsoup 提取没有类或 id 的元素

python - 使用 beautifulsoup 提取没有类或 id 的元素

问题描述

我有一个包含以下数据的 HTML 页面：

    <table cellpadding="0" cellspacing="0" width="100%">
  <tr>
    <td style="width:50%;padding-right:8px;" valign="top">
      <h2 class="sectionTitle">Corporate Headquarters</h2>
      <div itemprop="workLocation">6901 Professional Parkway East<br />Sarasota, Florida 34240<br /><br />United States<br /><br /></div><span class="detail">Phone</span>: <span itemprop="telephone">941-556-2601</span><br /><span class="detail">Fax</span>: <span itemprop="faxNumber">--</span>
      <h2 class="sectionTitle">Board Members Memberships</h2>
      <div>2011-Present</div><div><strong>Director</strong></div><div style="padding-bottom:15px;"><a href="../../stocks/snapshot/snapshot.asp?capId=11777224">TrustWave Holdings, Inc.</a></div><div>2018-Present</div><div><strong>President, CEO & Director</strong></div><div style="padding-bottom:15px;"><a href="../../stocks/snapshot/snapshot.asp?capId=22751">Roper Technologies, Inc.</a></div>
      <h2 class="sectionTitle">Education</h2>
      <div><strong>MBA</strong>  </div><div style="padding-bottom:15px;" itemprop="alumniOf">Harvard Business School</div><div><strong>Unknown/Other Education</strong>  </div><div style="padding-bottom:15px;" itemprop="alumniOf">Miami University</div><div><strong>Bachelor's Degree</strong>  </div><div style="padding-bottom:15px;" itemprop="alumniOf">Miami University</div>
      <h2 class="sectionTitle">Other Affiliations</h2>
      <div><a itemprop="affiliation" href="../../stocks/snapshot/snapshot.asp?capId=424885">MedAssets, Inc.</a></div><div><a itemprop="affiliation" href="../../stocks/snapshot/snapshot.asp?capId=1131022">Harvard Business School</a></div><div><a itemprop="affiliation" href="../../stocks/snapshot/snapshot.asp?capId=4109057">Miami University</a></div><div><a itemprop="affiliation" href="../../stocks/snapshot/snapshot.asp?capId=6296385">MedAssets Net Revenue Systems, LLC</a></div><div><a itemprop="affiliation" href="../../stocks/snapshot/snapshot.asp?capId=11777224">TrustWave Holdings, Inc.</a></div><div><a itemprop="affiliation" href="../../stocks/snapshot/snapshot.asp?capId=138296355">Medassets Services LLC</a></div>
    </td>

我正在尝试将有关“董事会成员成员资格”的信息提取为

Director 
TrustWave Holdings, Inc.


CEO & Director 
Roper Technologies, Inc.

这些没有任何类或 id 以便于提取。

但是，我能做的就是：

soup.find('td',style="width:50%;padding-right:8px;").findAll("strong")

这给了我以下结果：

[<strong>Director</strong>,
 <strong>President, CEO &amp; Director</strong>,
 <strong>MBA</strong>,
 <strong>Unknown/Other Education</strong>,
 <strong>Bachelor's Degree</strong>]

有人可以指导我怎么做吗？

标签： pythonhtmlweb-scrapingbeautifulsoup

解决方案

您可以使用 BeautifulSoup 中提供的导航选项。几个循环和一些条件语句将帮助您实现您正在寻找的东西。

第 1 步：遍历所有div标签。

div第 2 步：通过检查是否包含来过滤职位strong。

第 3 步：导航div到父级的下一个标记，即div位置。

第 4 步：以公司名称包含在a标签中的条件过滤兄弟姐妹。

titles = soup.find_all('div')
for title in titles:
    if title.strong:
        company = title.find_next_sibling('div')
        if company.a:
            person_title = title.text
            person_company = company.text
            print(person_company, person_title)

希望这可以帮助！干杯！

推荐阅读