时间戳

首页 > 解决方案 > Python3 Beautifulsoup4 从多个容器兄弟中提取文本

python-3.x - Python3 Beautifulsoup4 从多个容器兄弟中提取文本

问题描述

我是 python 新手，我正在尝试使用 beautifulsoup 仅从一组标签中提取文本。第一个标签是“姓名”，第二个是“日期”，我可以从姓名中获取文本，也可以从日期中获取文本。这是我要抓取的页面的 html 代码

<div class="results">
 <h1>
   Info Records
 </h1>
 <div class="group">
  <a class="name" href="https://" target="_blank">
   Firstname, Lastname
  </a>
  <br/>
  <span class="date">
   8/24/2020: Text info
  </span>
 </div>
 <div class="group">
  <a class="name" href="https://" target="_blank">
   Different Firstname, Different Lastname
  </a>
  <br/>
  <span class="date">
   8/23/2020: Different Text Info
  </span>
 </div>

对于名称，我使用此代码提取名称，并将它们打印到终端，以获取我将类名更改为“日期”的日期

for arrest in soup.find_all('a', {'class': 'name'}):
    name = arrest.text
    print(name)

html 有大约 20 个名称，日期我只发布了前 2 个。当我尝试将两个类一起打印时，它不起作用。

test = soup.find_all("div",  {"class": ["name", "date"]})
print(test)

此外，正在工作的内容不会写入文本文件。理想情况下，我要完成的是要添加到输出文件中的类似内容：

firsname lastname
8/24/2020 Text info
firstname last name
8/23/20920 different text info

任何意见将是有益的。我一直在阅读一整天试图弄清楚。

标签： python-3.xbeautifulsoup

解决方案

选项 1：使用 CSS 选择器。

选项 2：使用zip()

1：

from bs4 import BeautifulSoup

html = """YOUR ABOVE HTML SNIPPET"""

soup = BeautifulSoup(html, "html.parser")

with open("output.txt", "w") as f:
    # select `name` and `date` class
    for tags in soup.select(".name, .date"):
        f.write(tags.text.strip() + "\n")

2：

with open("output.txt", "w") as f:

    for name, date in zip(
        soup.find_all("a", {"class": "name"}), soup.find_all("span", {"class": "date"})
    ):
        f.write(name.text.strip() + "\n")
        f.write(date.text.strip() + "\n")

输出.txt：

Firstname, Lastname
8/24/2020: Text info
Different Firstname, Different Lastname
8/23/2020: Different Text Info

推荐阅读