我想從特定標簽中提取元素。例如 - 一個站點中有四個。每個標簽都有其他兄弟標簽，如 p、h3、h4、ul 等。我想分別查看 h2[1] 元素、h2[2] 元素。這就是我到目前為止所做的。我知道 for 循環沒有任何意義。我也嘗試附加文本但無法成功。然后我嘗試按特定字符串進行搜索，但它給出了該特定字符串的唯一標簽，而不是所有其他元素from bs4 import BeautifulSouppage = "https://www.us-cert.gov/ics/advisories/icsma-20-079-01"resp = requests.get(page)soup = BeautifulSoup(resp.content, "html5lib")content_div=soup.find('div', {"class": "content"})all_p= content_div.find_all('p')all_h2=content_div.find_all('h2')i=0for h2 in all_h2: print(all_h2[i],'\n\n') print(all_p[i],'\n') i=i+1還嘗試使用追加 tags = soup.find_all('div', {"class": "content"}) container = [] for tag in tags: try: container.append(tag.text) print(tag.text) except: print(tag)我是編程方面的新手。請原諒我糟糕的編碼能力。我只想看到一切都在“緩解”之下。因此，如果我想將其存儲在數據庫中，它將解析與一列上的緩解相關的所有內容。
1 回答
ITMISS
TA貢獻1871條經驗 獲得超8個贊
["p","ul","h2","div"]您可以使用findNextwith查找靜態標簽列表recursive=False以保持在頂層：
import requests
from bs4 import BeautifulSoup
import json
resp = requests.get("https://www.us-cert.gov/ics/advisories/icsma-20-079-01")
soup = BeautifulSoup(resp.content, "html.parser")
content_div = soup.find('div', {"class": "content"})
h2_list = [ i for i in content_div.find_all("h2")]
result = []
search_tags = ["p","ul","h2","div"]
def getChildren(tag):
text = []
while (tag):
tag = tag.findNext(search_tags, recursive=False)
if (tag is None):
break
elif (tag.name == "div") or (tag.name == "h2"):
break
else:
text.append(tag.text.strip())
return "".join(text)
for i in h2_list:
result.append({
"name": i.text.strip(),
"children": getChildren(i)
})
print(json.dumps(result, indent=4, sort_keys=True))
- 1 回答
- 0 關注
- 170 瀏覽
添加回答
舉報
0/150
提交
取消