Python 如何使用BeautifulSoup刮取缺少标签的网页

我正在尝试从该页面中提取数据：

以下是我正在使用的代码：

import requests
from bs4 import BeautifulSoup

url = "http://www.kitco.com/texten/texten.html"
r = requests.get(url)

# Doing this to force UFT-8 encoding.  Not sure if this is needed...
r.encoding = "UTF-8"

soup = BeautifulSoup(r.content)
tag = soup.find_all("London Fix")
print tag

正如您在查看该页面的源代码时所注意到的，术语“London Fix”不在任何标记中-我不确定这是cdata还是什么

---

知道如何解析这些表吗？

正如@shaktimaan在评论中指出的，“London Fix”表不是一个真正的表-它位于

pre

标记内，行是用破折号格式化的

一个选项是在表前找到

font

标记，并获取：

印刷品：

--------------------------------------------------------------------------------
London Fix          GOLD          SILVER       PLATINUM           PALLADIUM
                AM       PM                  AM       PM         AM       PM
--------------------------------------------------------------------------------
Aug 29,2014   1285.75   1285.75   19.4700   1424.00   1424.00   895.00   NA  
Aug 28,2014   1288.00   1292.00   19.7500   1425.00   1428.00   897.00   898.00  
--------------------------------------------------------------------------------
...

---

另一个选项是搜索（生成相同的输出）：

---

如果您使用的是

r.content

，则不需要设置

r.encoding

。顺便说一句，这是完全正确的。我的结论过于宽泛，但我也可以证明“不清楚你在问什么”，因为你没有指定你期望的输出。我建议你开始更仔细地阅读这篇文章，看看

汤。find_all（）

也有什么作用。最后但并非最不重要的是，为什么不改为在解析HTML版本？因为“London Fix”表实际上不是一个HTML表，所以使用此URL可以做的最好的事情就是获取

标记，然后在其上执行

下一个同级操作，以获取整个表
--------------------------------------------------------------------------------
London Fix          GOLD          SILVER       PLATINUM           PALLADIUM
                AM       PM                  AM       PM         AM       PM
--------------------------------------------------------------------------------
Aug 29,2014   1285.75   1285.75   19.4700   1424.00   1424.00   895.00   NA  
Aug 28,2014   1288.00   1292.00   19.7500   1425.00   1428.00   897.00   898.00  
--------------------------------------------------------------------------------
...

import re

print soup.body.pre.find(text=re.compile('London Fix'))