Python 靓汤不回预期效果

我用beautifulsoup从一个网站上收集信息”https://www.yugiohcardguide.com/archetype/abyss-actor.html". 卡片信息设置相对整齐。下面是我试图解析的html的图片

我正在尝试获取每行中包含一张卡的信息的所有标记

下面是我使用的代码

def get_card_info_from_link(self, link):
    
    new_link=pre_url+'/'+link #link to the archtype page
    html=requests.get(new_link).content
    soup=bs(html,'lxml')
    info_rows=soup.find('tbody').find_all('tr')
    
    found_cards=[]
    
    # count=0
    
    
    for i in info_rows:
            
            print('='*50)
            print(i)
            print('='*50)
            
            # count+=1

这是我得到的输出的链接。

使用等号分隔符的前两个输出正是我想要的，但有一点它不再输出以前的格式，而是一个包含多个标记的项，而不是每个标记都独立

---

我不知道问题出在哪里。也许我只是忽略了一个我没有注意到的关键细节。

也许这段代码可以帮助您：

from bs4 import BeautifulSoup
from selenium import webdriver

driver = webdriver.Chrome('C:\chromedriver_win32\chromedriver.exe')
driver.get('https://www.yugiohcardguide.com/archetype/abyss-actor.html')
html = driver.page_source

soup = BeautifulSoup(html, 'html.parser')
result = soup.find('tbody').find_all('tr')
print(result)
driver.close()

---

html已损坏或具有未关闭的标记

<tr class="row2" valign="top">
.....
</a> 
<!-- No </td></tr> -->
<tr class="row2" valign="top">

使用

Regex

fixed_html = re.sub(r'</a>\s+<tr valign="top"', '</a></td></tr><tr valign="top"', html)

或者使用

tidy

fixed_html = tidy.parseString(html, show_body_only=True)

然后解析固定html

soup = BeautifulSoup(fixed_html,'lxml')
info_rows = soup.find('tbody').find_all('tr')

---

尝试查看

html

的内容。您在浏览器中看到的一些实际内容可能是由JavaScript生成的。此外，这绝对不是一个好消息。外部链接不会。同意。这看起来像是一个案例，您可以将其简化为一个我们可以重现的示例，并清楚地显示失败案例和预期结果。代码片段工具via可以用来显示相关的html。非常感谢，它使用正则表达式工作。

fixed_html = tidy.parseString(html, show_body_only=True)

soup = BeautifulSoup(fixed_html,'lxml')
info_rows = soup.find('tbody').find_all('tr')