问题标签 [beautifulsoup]

目前我有这样的代码：

除了我不想丢弃无效标签内的内容。如何在调用 soup.renderContents() 时摆脱标签但将内容保留在里面？

这是一段HTML代码（来自delicious）：

我正在尝试查找 class="inlinesave action" 的所有链接。这是代码：

但它什么也没找到！

有什么想法吗？

谢谢

当我设计我们的网络表单时，我看到我的网络表单比我的网页非常小因为我的表单只有两个字段（两个文本框两个标签）我是如何设计它的。然后他看起来很漂亮。

在回答上一个问题时，有几个人建议我将BeautifulSoup用于我的项目。我一直在努力处理他们的文档，但我无法解析它。有人可以指出我应该能够将此表达式转换为 BeautifulSoup 表达式的部分吗？

上面的表达式来自Scrapy。我正在尝试应用正则表达式re('\.a\w+')以td class altRow从那里获取链接。

我也将不胜感激任何其他教程或文档的指针。我找不到任何东西。

谢谢你的帮助。

编辑： 我正在查看此页面：

但是，如果您查看页面源代码"/cabel"：

出于某种原因，BeautifulSoup 看不到搜索结果，但 XPath 可以看到它们，因为hxs.select('//td[@class="altRow"][2]/a/@href').re('/.a\w+')捕获了“/cabel”

编辑： cobbal：它仍然无法正常工作。但是当我搜索这个时：

它返回所有带有第二个字符“a”的链接，但不返回律师姓名。因此，出于某种原因，BeautifulSoup 看不到这些链接（例如“/cabel”）。我不明白为什么。

我正在尝试抓取 http://www.co.jefferson.co.us/ats/displaygeneral.do?sch=000104 并获取“所有者姓名”我所拥有的作品，但真的很丑而不是最好的我很确定，所以我正在寻找更好的方法。这是我所拥有的：

相关的 HTML 是

哇，有很多关于beautifulsoup 的问题，我浏览了它们，但没有找到对我有帮助的答案，希望这不是重复的问题

我正在使用这个简单的代码

打开大约 200 个 url 并使用正则表达式（和 BeautifulSoup）搜索它们，但经过十几个左右我得到这些错误并且 IDLE 退出。他们的意思是什么？我该如何处理它们？

谢谢你。

我可以将这两个块合并为一个：

编辑：除了像 Yacoby 在答案中所做的那样组合循环之外的任何其他方法。

我也可以将多个块合二为一：

或者可能有一些 lambda 表达式，我可以在其中检查是否在数组中，或者任何其他更简单的方法。

另外我如何找到带有属性类的标签，因为类是保留关键字：

编辑：这部分由 soup.findAll(attrs={'class': 'noprint'}) 解决：

我在 HTML 文档的表格单元格中有一个逗号分隔的列表，但列表中的一些项目是链接的：

我一直在使用漂亮的汤来解析 html，我可以到达表，但是拆分它并返回大致如下的数据结构的最佳方法是：

我正在尝试提取document.write页面上函数内部的框架标签的属性，如下所示：

findAll('frame')方法没有帮助。有没有办法读取框架标签的内容？

我正在使用 python 2.5 和 BeautifulSoup 3.0.8。

只要我能够得到结果，我也愿意将 python 3.1 与 BeautifulSoup 3.1 一起使用。

谢谢

我可以在 Google App Engine 上使用 Python lxml 吗？（或者我必须用美丽的汤吗？）

我已经开始使用 Beautiful Soup，但它似乎很慢。我刚刚开始尝试从其他网站“抓取”数据以创建某种“混搭”的想法。