1

机械化和 BeautifulSoup 的新手，我很喜欢它。

我使用 mechanize 打开 URL 的原型方式，现在我得到了返回的对象：

    def OpenURL(URL, USERAGENT):
        br = Browser()# Create a browser
        br.set_handle_robots(False)   # no robots
        br.set_handle_refresh(False)  # can sometimes hang without this
        br.addheaders = [('User-agent', USERAGENT)]
        #open the URL
        result = br.open(URL)# Open the login page
        return result

在我返回的结果中，我有一个类型为“checkbox”的输入对象，名称为“BoxName”。复选框有一个标签。HTML 如下所示：

    <input type="checkbox" name="BoxName" checked="checked" disabled="disabled" />
    <label for="BoxName">DESIREDTEXT</label>

我可以通过 mechanize 获得 DESIREDTEXT，如下所示：（解释代码以节省空间）

    if control.type == "checkbox": 
        for item in control.items:
            if(control.name == "BoxName"):
                DESIREDTEXT = str([label.text  for label in item.get_labels()])

有没有等效的方法来使用 BeautifulSoup 获取标签文本值？我很高兴使用 mechanize 来检索它，但我只是想知道 BeautifulSoup 是否也有这个能力。

附录**

来自源代码的 HTML：

    <input id="ctl00_ContentPlaceHolder1_chkCheckedIn" type="checkbox" name="ctl00$ContentPlaceHolder1$chkCheckedIn" checked="checked" disabled="disabled" />
    <label for="ctl00_ContentPlaceHolder1_chkCheckedIn">Checked-In 1/17/2013 1:23:01 AM</label>

这是 Inbox.read() 输出所有 HTML 的代码。我验证了标签在那里：

    soup = BeautifulSoup(Inbox.read())
print soup.find('label',{'for': 'ctl00_ContentPlaceHolder1_chkCheckedIn'}).text

这是我的错误：

    AttributeError                            Traceback (most recent call last)

/usr/local/lib/python2.7/dist-packages/IPython/utils/py3compat.pyc in execfile(fname, *where) 176 else: 177 filename = fname --> 178 builtin .execfile(filename, *where)

/home/ubuntu/testAffinity.py in () 133 from BeautifulSoup import BeautifulSoup 134 soup = BeautifulSoup(Inbox.read()) --> 135 print soup.find('label',{'for': 'ctl00_ContentPlaceHolder1_chkCheckedIn'}) .文本 136 137

AttributeError：“NoneType”对象没有属性“文本”

不知道我在这里缺少什么，但它必须很简单。我注意到“for”值与复选框“name”值不同。我尝试使用复选框“名称”值，但收到相同的错误。

** 升级到 bs4 后

133 from bs4 import BeautifulSoup 134 soup = BeautifulSoup(Inbox.read()) --> 135 print soup.find('label',{'for': 'ctl00_ContentPlaceHolder1_chkCheckedIn'}).text 136 137

AttributeError：“NoneType”对象没有属性“文本”

**升级到 4 后我打印了汤。属性正确。标签位于打印汤的 html 中。

    <input checked="checked" disabled="disabled" id="ctl00_ContentPlaceHolder1_chkCheckedIn" name="ctl00$ContentPlaceHolder1$chkCheckedIn" type="checkbox"/>
    <label for="ctl00_ContentPlaceHolder1_chkCheckedIn">Checked-In 1/17/2013 1:23:01 AM</label>
4

2 回答 2

3

是的，试一试：

soup.find('label',{'for':'BoxName'}).text

使用您的功能，它看起来像：

html = OpenURL(URL, USERAGENT).read()
soup = BeautifulSoup(html)
print soup.find('label',{'for':'BoxName'}).text
于 2013-01-17T21:28:27.423 回答
0

嗨，您是在抓取您的页面还是其他一些陌生人页面？否则你可以在你的 html 中使用 id 并访问它。

tag = BeautifulSoup('<b id="boldest">bold</b>', 'html.parser').b 
tag['id']
# 'boldest'

检查：https ://www.crummy.com/software/BeautifulSoup/bs4/doc/#id13

于 2020-10-13T09:55:45.123 回答