当解析http://en.wikipedia.org/wiki/Israel
我遇到一个H2
标签,该标签具有文本,但美丽的汤返回None
类型吧:美丽的汤没有找到字符串
$ python
Python 2.7.3 (default, Apr 10 2013, 05:13:16)
[GCC 4.7.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import bs4
>>> import requests
>>> from pprint import pprint
>>> response = requests.get('http://en.wikipedia.org/wiki/Israel')
>>> soup = bs4.BeautifulSoup(response.content)
>>> for h in soup.find_all('h2'):
... pprint(str(type(h)))
... pprint(h)
... pprint(str(type(h.string)))
... pprint(h.string)
... print('--')
...
"<class 'bs4.element.Tag'>"
<h2>Contents</h2>
"<class 'bs4.element.NavigableString'>"
u'Contents'
--
"<class 'bs4.element.Tag'>"
<h2><span class="mw-headline" id="Etymology"><span id="Etymology"></span> Etymology</span></h2>
"<type 'NoneType'>"
None
--
"<class 'bs4.element.Tag'>"
<h2><span class="mw-headline" id="History">History</span></h2>
"<class 'bs4.element.NavigableString'>"
u'History'
--
请注意,这不是一个解析的问题,美丽的汤解析文件很好。为什么第二个H2
元素返回None
类型?是否由于字符串中的前导“”(空格)?我该如何解决这个问题?这是在Python 2.7上的Beautiful Soup 4,Kubuntu Linux 12.10。
二号H2有2跨度空单用id ethymology。可能bsoup失败这一个。 – 2013-08-30 14:35:49
我也注意到这一点。怎么可能我围绕它编码? – dotancohen
能够帮助你我需要挖掘文档,因为我从不使用bs4 - 如果你不急,我可以尝试。 – 2013-08-30 14:40:37