1

我感觉信息在堆栈溢出的某个地方，但我找不到它：-/

我希望从该网站获取文本：https ://www.uniprot.org/uniprot/P28653.fasta但我的代码返回“无”。非常感谢所有帮助！

import requests
from bs4 import BeautifulSoup as bs

r = requests.get('http://www.uniprot.org/uniprot/P28653_PGS1_MOUSE.fasta')
soup = bs(r.content, 'html.parser')
lst = soup.find_all('pre')
print(lst)

返回

[]

谢谢！！

4

4 回答 4

1

网站中没有 html。您可以直接打印r.content（但是，我更喜欢r.text它string不是bytes对象），它将包含页面上的字符串。请记住，当您在 chrome（或其他浏览器）中使用开发人员工具时，您在检查时看到的 html 不一定与请求将获得的结果相同。通常直接在浏览器中查看源代码（或打印出 的结果requests.get(url).text/.content）会更准确地了解您正在处理的 html。

于 2021-01-21T04:06:54.743 回答
1

正如评论所说，您正在查看的网页只是纯文本。您仅BeautifulSoup在处理.html文件时使用。

要获取您的文本，您只需打印请求的内容。它看起来像这样：

data = requests.get("https://www.uniprot.org/uniprot/P28653.fasta").content
print(data)
于 2021-01-21T04:07:52.193 回答
1

BeautifulSoup 提供了一种查找文本内容的简单方法.find(text=True)

import requests
from bs4 import BeautifulSoup as bs

r = requests.get('http://www.uniprot.org/uniprot/P28653_PGS1_MOUSE.fasta')
soup = bs(r.content, 'html.parser')

print(soup.find(text=True))
于 2021-01-21T05:54:56.063 回答
0

认为执行您的方法时存在拼写错误或错误的 url - 将 url 更改为http://www.uniprot.org/uniprot/P28653_PGS1_MOUSE，您将获得一个包含两个元素的列表，您可以通过循环或直接访问这些元素，例如lst[1]获取序列。

代码

import requests
from bs4 import BeautifulSoup as bs

r = requests.get('http://www.uniprot.org/uniprot/P28653_PGS1_MOUSE')
soup = bs(r.content, 'html.parser')
lst = soup.find_all('pre')

print(lst)

输出

[<pre>&gt;sp|P28653|PGS1_MOUSE Biglycan OS=Mus musculus OX=10090 GN=Bgn PE=1 SV=1
MCPLWLLTLLLALSQALPFEQKGFWDFTLDDGLLMMNDEEASGSDTTSGVPDLDSVTPTF
SAMCPFGCHCHLRVVQCSDLGLKTVPKEISPDTTLLDLQNNDISELRKDDFKGLQHLYAL
VLVNNKISKIHEKAFSPLRKLQKLYISKNHLVEIPPNLPSSLVELRIHDNRIRKVPKGVF
SGLRNMNCIEMGGNPLENSGFEPGAFDGLKLNYLRISEAKLTGIPKDLPETLNELHLDHN
KIQAIELEDLLRYSKLYRLGLGHNQIRMIENGSLSFLPTLRELHLDNNKLSRVPAGLPDL
KLLQVVYLHSNNITKVGINDFCPMGFGVKRAYYNGISLFNNPVPYWEVQPATFRCVTDRL
AIQFGNYKK
</pre>, <pre class="sequence">        10         20         30         40         50<br/>MCPLWLLTLL LALSQALPFE QKGFWDFTLD DGLLMMNDEE ASGSDTTSGV <br/>        60         70         80         90        100<br/>PDLDSVTPTF SAMCPFGCHC HLRVVQCSDL GLKTVPKEIS PDTTLLDLQN <br/>       110        120        130        140        150<br/>NDISELRKDD FKGLQHLYAL VLVNNKISKI HEKAFSPLRK LQKLYISKNH <br/>       160        170        180        190        200<br/>LVEIPPNLPS SLVELRIHDN RIRKVPKGVF SGLRNMNCIE MGGNPLENSG <br/>       210        220        230        240        250<br/>FEPGAFDGLK LNYLRISEAK LTGIPKDLPE TLNELHLDHN KIQAIELEDL <br/>       260        270        280        290        300<br/>LRYSKLYRLG LGHNQIRMIE NGSLSFLPTL RELHLDNNKL SRVPAGLPDL <br/>       310        320        330        340        350<br/>KLLQVVYLHS NNITKVGIND FCPMGFGVKR AYYNGISLFN NPVPYWEVQP <br/>       360 <br/>ATFRCVTDRL AIQFGNYKK                                   <br/></pre>]
于 2021-01-22T07:47:54.133 回答