Python 美联能'；找不到文本

我正在尝试使用urllib和beautiful soup用python编写一个scraper。我有一个用于新闻故事的csv URL，对于大约80%的页面，scraper可以工作，但是当故事顶部有图片时，脚本不再拉动时间或正文。我很困惑，因为soup.find和soup.find_似乎都不会产生不同的结果。我尝试了各种不同的标签，它们应该能够捕获文本以及“lxml”和“html.parser”

代码如下：

testcount = 0
titles1 = []
bodies1 = []
times1 = []

data = pd.read_csv('URLsALLjun27.csv', header=None)
for url in data[0]:
try:
    html = urllib.request.urlopen(url).read()
    soup = BeautifulSoup(html, "lxml")

    titlemess = soup.find(id="title").get_text() #getting the title
    titlestring = str(titlemess) #make it a string
    title = titlestring.replace("\n", "").replace("\r","")
    titles1.append(title)

    bodymess = soup.find(class_="article").get_text() #get the body with markup
    bodystring = str(bodymess) #make body a string
    body = bodystring.replace("\n", "").replace("\u3000","") #scrub markup
    bodies1.append(body) #add to list for export

    timemess = soup.find('span',{"class":"time"}).get_text()
    timestring = str(timemess)
    time = timestring.replace("\n", "").replace("\r","").replace("年", "-").replace("月","-").replace("日", "")
    times1.append(time)

    testcount = testcount +1 #counter
    print(testcount)
except Exception as e:
    print(testcount, e)

下面是我得到的一些结果（那些标记为“nonetype”的是那些标题被成功提取但正文/时间为空的结果）

一,

2“非类型”对象没有属性“获取文本”

任何帮助都将不胜感激！谢谢

---

编辑：我没有“10个信誉点”，因此我无法发布更多链接进行测试，但如果您需要更多页面示例，我会对它们进行评论。

问题是，网站上没有包含图片的

class=“article”

，与

“类”相同：“time”

。因此，您似乎必须检测网站上是否有图片，然后如果有图片，请按以下方式搜索日期和文本：

try:
    bodymess = soup.find(class_="article").get_text()

except AttributeError:
    bodymess = soup.find('img').findNext().get_text()

try:
    timemess = soup.find('span',{"class":"time"}).get_text()

except AttributeError:
    timemess = soup.find(id="pubtime").get_text()

有关日期，请尝试：

timemess = soup.find(id="pubtime").get_text()

就正文而言，这篇文章似乎只是图片的标题。因此，您可以尝试以下方法：

bodymess = soup.find('img').findNext().get_text()

简而言之，

soup.find（'img'）

查找图像，然后

findNext（）

转到下一个块，该块恰好包含文本

因此，在您的代码中，我将执行以下操作：

try:
    bodymess = soup.find(class_="article").get_text()

except AttributeError:
    bodymess = soup.find('img').findNext().get_text()

try:
    timemess = soup.find('span',{"class":"time"}).get_text()

except AttributeError:
    timemess = soup.find(id="pubtime").get_text()

作为web抓取的一般流程，我通常使用浏览器访问网站本身，并首先在浏览器中查找网站后端的元素