문제 ... BeautifulSoup로 구문 분석

Question

<h2 class="sectionTitle">BACKGROUND</h2> 
Mr. Paul J. Fribourg has bla bla</span> 
<div style="margin-top:8px;"> 
    <a href="javascript:void(0)" onclick="show_more(this);">Read Full Background</a> 
</div> 

나는 어떤 웹 페이지 씨 폴의 <p> 뿅있다 을 blabla 씨 폴에서 정보를 추출하고 싶은, 그래서 FindNext('p') 그러나, 일부 웹 페이지처럼 <p>이없는 사용할 수 있습니다 위의 예제는 ..

이 <p>

background = bs2.find(text=re.compile("BACKGROUND")) 
bb= background.findNext('p').contents 

있을 때 내 코드입니다하지만 <p>이 없을 때 나는 정보를 추출 할 수있는 방법?

Answer 1

당신이 우리에게 준 예제에서 말하기는 어렵지만, h2 다음 노드를 얻을 수 있습니다. 이 예에서, 루이스 캐롤는 p -aragraph 태그를 가지고 있으며, 여러분의 친구 폴은 닫는에게 span 태그가 있습니다

>>> from BeautifulSoup import BeautifulSoup 
>>> 
>>> html = ''' 
... <h2 class="sectionTitle">BACKGROUND</h2> 
... <p>Mr. Lewis Carroll has bla bla</p> 
... <div style="margin-top:8px;"> 
...  <a href="javascript:void(0)" onclick="show_more(this);">Read Full Background</a> 
... </div> 
... <h2 class="sectionTitle">BACKGROUND</h2> 
... Mr. Paul J. Fribourg has bla bla</span> 
... <div style="margin-top:8px;"> 
...  <a href="javascript:void(0)" onclick="show_more(this);">Read Full Background</a> 
... </div> 
... ''' 
>>> 
>>> soup = BeautifulSoup(html) 
>>> headings = soup.findAll('h2', text='BACKGROUND') 
>>> for section in headings: 
...  p = section.findNext('p') 
...  if p: 
...   print '> ', p.string 
...  else: 
...   print '> ', section.parent.next.next.strip() 
... 
> Mr. Lewis Carroll has bla bla 
> Mr. Paul J. Fribourg has bla bla 

---

다음 의견 :

>>> from BeautifulSoup import BeautifulSoup 
>>> from urllib2 import urlopen 
>>> html = urlopen('http://investing.businessweek.com/research/stocks/private/person.asp?personId=668561&privcapId=160900&previousCapId=285930&previousTitle=LOEWS%20CORP') 
>>> soup = BeautifulSoup(html) 
>>> headings = soup.findAll('h2', text='BACKGROUND') 
>>> for section in headings: 
...  paragraph = section.findNext('p') 
...  if paragraph and paragraph.string: 
...   print '> ', paragraph.string 
...  else: 
...   print '> ', section.parent.next.next.strip() 
... 
> Mr. Paul J. Fribourg has been the President of Contigroup Companies Inc. (for [...] 

당신은 할 수있다, 물론을 , 저작권 고지를 확인하고 싶다면, 등등 ...

Answer 2

는 "일부 웹 페이지 씨 폴의 <p> 뿅을 가지고, 그래서 나는 그러나 일부 웹 페이지가 위의 예와 같이 <p>이없는 FindNext ('P')를 사용할 수 있습니다." 예를 들어,

• 고정 노드 구조 :

당신은 충분한 정보를 제공하지 않는 것은 당신의 문자열을 인식 할 수 있어야합니다 getChildren() [1] .text

코드에 따라 'BACKGROUND'라는 마술 문자열이있는 경우 다음 노드를 찾는 방법이 좋습니다. 단지 빌드하지 마십시오. 태그 이름은 'P'

정규식이라고 가정 (예 : "(씨 |. 리) ...")가 앞에 <p>이없는 경우

우리에게 HTML 예제보기 이름이 뭐니?