时间戳

首页 > 解决方案 > 为什么 .get('href') 在 bs4.element.tag 上返回“None”？

python-3.x - 为什么 .get('href') 在 bs4.element.tag 上返回“None”？

问题描述

我正在汇总一个数据集进行分析。目标是解析 SEC 网页上的表格，并在其中包含文本“SC 13D”的行中提取链接。这需要是可重复的，因此我可以在数据库中的大量链接中自动执行它。我知道这段代码不是最 Pythonic 的，但我把它拼凑起来，从表格中得到我需要的东西，除了表格行中的链接。如何从表格行中提取 href 值？

我尝试在表中的“tr”而不是“td”上执行 .findAll（第 15 行），但不知道如何在“SC 13D”上搜索并从表行列表中弹出元素.findAll('td')。我还尝试使用 .get('a) 而不是 .get('href') （包含在代码中，第 32 行）获取带有链接的锚标记，但它也返回“None”。

import urllib.request, urllib.parse, urllib.error
from bs4 import BeautifulSoup
import ssl

ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE

url = 'https://www.sec.gov/Archives/edgar/data/1050122/000101143807000336/0001011438-07-000336-index.htm'

html = urllib.request.urlopen(url, context=ctx).read()
soup = BeautifulSoup(html, 'html.parser')
table = soup.find('table',{'summary':'Document Format Files'})
rows = table.findAll("td")

i = 0
pos = 0
for row in rows:
    if "SC 13D" in row:
        pos = i
        break
    else: i = i + 1

linkpos = pos - 1

linkelement = rows[linkpos]

print(linkelement.get('a'))
print(linkelement.get('href'))

预期的结果是打印出链接元素中的链接。实际结果是“无”。

标签： python-3.xbeautifulsoup

解决方案

这是因为您的a标签在您的td标签内您只需要做：

linkelement = rows[linkpos]
a_element = linkelement.find('a')

print(a_element.get('href'))

推荐阅读