Python 使用BeautifulSoup解析Wikipedia中的页面时出现问题

我有一个非常简单的测试脚本，用于从Wikipedia获取一篇文章，并获取页面中出现的文本的第一段（即

摘要

）

这是：

from bs4 import BeautifulSoup
import urllib2

url = "https://en.wikipedia.org/wiki/Vicia_faba" 
print url
source = urllib2.urlopen(url)
soup = BeautifulSoup(source, 'lxml')
print soup
summary = soup.find('p').getText()
print summary

解析

摘要

时，我什么也没有得到，尽管页面已成功获取并正确传递到

BeautifulSoup

这看起来是一个很简单的问题，但我无法进一步解决

BeautifulSoup

充满了诡计，但不幸的是，我不知道其中的许多

---

提前感谢您的任何提示或建议。

我更改了您代码中的一些内容：

Python3.x:

from bs4 import BeautifulSoup
import urllib.request



url = "https://en.wikipedia.org/wiki/Vicia_faba"
print(url)

with urllib.request.urlopen(url) as url:
    source = url.read()

soup = BeautifulSoup(source, 'lxml')
# print(soup)
# summary = soup.find('<p>').getText()
# print(summary)

for para_tag in soup.find_all('p'):
    print (para_tag.text)

输出：

蚕豆，在烹饪意义上也被称为蚕豆，蚕豆 蚕豆或蚕豆是豌豆和蚕豆中的一种开花植物 豆科植物。其来源不确定[1]：160且广泛存在 作为供人类食用的作物种植。它也被用作封面 豆荚，豆荚，豆荚较小。品种较小， 喂马或其他动物的较硬的种子称为田 豆角、豆角或扁豆。蚕豆。， 是一个公认的品种名称。[2]

有些人患有蚕豆症，一种对病毒的溶血反应 蚕豆的消费，与G6PDD有关。否则 去除外种皮的豆类可以生吃或煮熟。 在幼年植物中，外层种皮可以食用，在幼年植物中也可以食用 植物，种子荚可以食用

---

我在您的代码中更改了一些内容：

Python3.x:

from bs4 import BeautifulSoup
import urllib.request



url = "https://en.wikipedia.org/wiki/Vicia_faba"
print(url)

with urllib.request.urlopen(url) as url:
    source = url.read()

soup = BeautifulSoup(source, 'lxml')
# print(soup)
# summary = soup.find('<p>').getText()
# print(summary)

for para_tag in soup.find_all('p'):
    print (para_tag.text)

输出：

蚕豆，在烹饪意义上也被称为蚕豆，蚕豆 蚕豆或蚕豆是豌豆和蚕豆中的一种开花植物 豆科植物。其来源不确定[1]：160且广泛存在 作为供人类食用的作物种植。它也被用作封面 豆荚，豆荚，豆荚较小。品种较小， 喂马或其他动物的较硬的种子称为田 豆角、豆角或扁豆。蚕豆。， 是一个公认的品种名称。[2]

有些人患有蚕豆症，一种对病毒的溶血反应 蚕豆的消费，与G6PDD有关。否则 去除外种皮的豆类可以生吃或煮熟。 在幼年植物中，外层种皮可以食用，在幼年植物中也可以食用 植物，种子荚可以食用

---

谢谢但我只需要前两段，如何从para_tag.text中获取它们？最好不要在答案中引用这么多输出，但无论如何+1您的第一个解决方案工作正常，我已经能够通过使用一个行计数器获取感兴趣的段落。但是，编辑后的答案不是通用的，因为脚本旨在适用于从维基百科抓取的任何页面。谢谢。但我只需要前两段，如何从para_tag.text中获取它们？最好不要在答案中引用这么多输出，但无论如何+1您的第一个解决方案工作正常，我已经能够通过使用一个行计数器获取感兴趣的段落。然而，编辑后的答案不是通用的，因为该脚本旨在适用于从维基百科抓取的任何页面。