Python 美联能';在文件中找不到exist href
我有一个html文件,如下所示:Python 美联能';在文件中找不到exist href,python,beautifulsoup,Python,Beautifulsoup,我有一个html文件,如下所示: <form action="/2811457/follow?gsid=3_5bce9b871484d3af90c89f37" method="post"> <div> <a href="/2811457/follow?page=2&gsid=3_5bce9b871484d3af90c89f37">next_page</a> <input name="mp" type="hi
<form action="/2811457/follow?gsid=3_5bce9b871484d3af90c89f37" method="post">
<div>
<a href="/2811457/follow?page=2&gsid=3_5bce9b871484d3af90c89f37">next_page</a>
<input name="mp" type="hidden" value="3" />
<input type="text" name="page" size="2" style='-wap-input-format: "*N"' />
<input type="submit" value="jump" /> 1/3
</div>
</form>
工作代码:
from BeautifulSoup import BeautifulSoup
import re
with open("html.txt","r") as f:
response = f.read()
print response
soup = BeautifulSoup(response)
delete_urls = soup.findAll('a', href=re.compile('follow\?page')) #works,should escape ?
print delete_urls
#total_urls_num = re.findall('\d+/\d+',response)
total_urls_num = soup.find('input',type='submit')
print total_urls_num
我认为问题在于,您搜索的文本不是某个标记的属性,而是后面的。您可以使用
访问它。下一步:
In [144]: soup.find("input", type="submit")
Out[144]: <input type="submit" value="jump" />
In [145]: soup.find("input", type="submit").next
Out[145]: u' 1/3\n'
或者简单地说:
In [153]: soup.findAll("input", type="submit", text=re.compile("\d+/\d+"))
Out[153]: [u' 1/3\n']
读这个
不是
您应该使用类型
而不是样式
>>>temp = soup.find('input',type='submit').next
' 1/3\n'
>>>re.findall('\d+/\d+', temp)
[u'1/3']
>>>re.findall('\d+/\d+', temp).[0]
u'1/3'
但是当我更改为(.*\d/\d*)时,仍然不起作用,它返回none如何soup.find('input',value='jump).next
?您的意思是:“total_urls_num=soup.find('input',value='jump')。next”,返回的是AttributeError:'NoneType'对象没有属性'next',这很奇怪,soup.find('input',value='jump'))
真的应该有用。你确定你的汤包含你发布的html吗?你能成功地从你的输入中提取任何标签吗?@young001汤怎么样。找到(r“\d\/\d”)你的标签正是我想要的,thx DSM,我应该多读一些beautifulsoup文档。
In [153]: soup.findAll("input", type="submit", text=re.compile("\d+/\d+"))
Out[153]: [u' 1/3\n']
total_urls_num = soup.find('input',style='submit') #can't work
>>>temp = soup.find('input',type='submit').next
' 1/3\n'
>>>re.findall('\d+/\d+', temp)
[u'1/3']
>>>re.findall('\d+/\d+', temp).[0]
u'1/3'