Python 与BeautifulSoup.find混淆？

我正试图获取某一律师事务所的律师所就读的大学，但我不确定如何获取此链接中列出的两所大学：。如第一幅链接图片所示，这位律师就读的两所大学都有两个独立的“李”标签

当我运行以下代码时，我只得到第一个'li'标记末尾的html（如第二个链接图像所示），而不是第二个li部分，因此我只得到第一所大学“Carleton学院”：

---

基站仅获取第一个li元素。我不知道为什么。如果您想尝试使用lxml，这里有一种方法

import lxml
from lxml import html


url = 'https://www.wlrk.com/attorney/hahn/'
res = requests.get(url, headers={'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:25.0) Gecko/20100101 Firefox/25.0'})

tree = html.fromstring(res.content)
education = tree.xpath("//div[@class='attorney--education']//li/a/text()")

print(education)

输出：

[“卡尔顿学院”、“纽约大学法学院”]

---

更改您的解析器，我将使用

选择

并直接针对

a

元素lxml’更宽容，可以处理不应该出现的杂散关闭

a

标签。另外，

find

将只返回第一个匹配项，而

find\u all

将返回所有匹配项

e、 g

杂散端标签a

来自第231行第127列；至第231行第130列

ollege，2013

杂散端标签a

来自第231行第239列；至第231行第242列

法律法典，J.D.

---

不确定为什么bs同时获取两个li元素。我使用lxml使其正常工作。select（）函数是否知道“律师--教育”是div标记的一部分？我不明白为什么不必在选择器中输入div。此外，这也很有效，谢谢您的帮助。您可以在中添加div。较短的选择器通常更好，类选择器比tag+class更快。我检查了页面，发现我不需要指定标记（div），类也足以获取父元素。它更快。

import lxml
from lxml import html


url = 'https://www.wlrk.com/attorney/hahn/'
res = requests.get(url, headers={'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:25.0) Gecko/20100101 Firefox/25.0'})

tree = html.fromstring(res.content)
education = tree.xpath("//div[@class='attorney--education']//li/a/text()")

print(education)

import requests
from bs4 import BeautifulSoup as soup

url = 'https://www.wlrk.com/attorney/hahn/'
res = requests.get(url, headers={'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:25.0) Gecko/20100101 Firefox/25.0'})
personal_soup = soup(res.content, "lxml")    
educations = [a.text for a in personal_soup.select('.attorney--education a')]
print(educations)