*更新：如何用python/beautifulsoup解析html

首先，我对Python非常陌生。我正在尝试从离线网站中获取联系信息，并将信息输出到csv。我想抓取页面url（不知道如何从html中做到这一点）、电子邮件、电话、位置数据（如果可能）、任何姓名、任何电话号码以及html站点的标记行（如果存在）

---

更新的#2代码：

此输出当前只返回行标题。我错过了什么？这至少应该是从html文件返回一些信息，也就是这个页面：

这里（至少）有两个问题

首先，

f

是一个文件名，不是文件内容，也不是由这些内容制成的汤。因此，

f.find（'h2'）

将在文件名中查找

'h2'

，这不是很有用

其次，大多数

find

方法（包括您正在调用的

str.find

）都返回索引，而不是子字符串。对该索引调用

str

，只会得到数字的字符串版本。例如：

>>> s = 'A string with an h2 in it'
>>> i = s.find('h2')
>>> str(i)
'17'

因此，您的代码执行如下操作：

>>> f = 'C:\\python\\training\\offline\\somehtml.html'
>>> headline = f.find('h2')
>>> str(headline)
'-1'

您可能希望调用

soup

对象上的方法，而不是

f

BeautifulSoup.find

返回一个汤的“子树”，这正是您想要在这里字符串化的

但是，如果没有示例输入，就不可能对其进行测试，因此我不能保证这是代码中唯一的问题

同时，当您遇到这样的问题时，您应该尝试打印中间值。打印出

f

，和

headline

，以及

headline2

，那么

headline3

错误的原因就更加明显了

---

只需在

find

调用中将

f

替换为

soup

，并修复缩进错误，然后针对示例文件运行即可

然而，它并没有做任何有用的事情。由于文件中的任何位置都没有

h2

标记，

headline

以

None

结尾。其他大多数领域也是如此。唯一能找到任何东西的是

url

，因为你要求它找到一个空字符串，它会找到任意的东西。使用三个不同的解析器，我得到了关于

的

或关于

的

和

您需要真正了解要解析的文件的结构，然后才能对其执行任何有用的操作。例如，在本例中，有一个电子邮件地址，但它位于标题为“email”

的

元素中，标题为“email”的

元素的

id

为“email”。因此，您需要编写一个查找，根据其中一个条件或它实际匹配的其他条件来定位它。

您通常无法从页面HTML获取页面URL；您需要在获取时保存此文件。至于其余的…我们需要看到一些示例数据来告诉您解析器出了什么问题。

>>> f = 'C:\\python\\training\\offline\\somehtml.html'
>>> headline = f.find('h2')
>>> str(headline)
'-1'