Python 从p标记获取文本内容
我正在尝试获取此页面上每个块的描述文本内容 用于p标记的html看起来像Python 从p标记获取文本内容,python,web-scraping,beautifulsoup,Python,Web Scraping,Beautifulsoup,我正在尝试获取此页面上每个块的描述文本内容 用于p标记的html看起来像 <p class="ProfileCard-bio u-dir" dir="ltr" data-aria-label-part=""><a href="http://t.co/kwtDyFn6dC" rel="nofollow" dir="ltr" data-expanded-url="http://DataMiningBlog.com" class="twitter-timeline-link" ta
<p class="ProfileCard-bio u-dir" dir="ltr" data-aria-label-part=""><a href="http://t.co/kwtDyFn6dC" rel="nofollow" dir="ltr" data-expanded-url="http://DataMiningBlog.com" class="twitter-timeline-link" target="_blank" title="http://DataMiningBlog.com"><span class="invisible">http://</span><span class="js-display-url">DataMiningBlog.com</span><span class="tco-ellipsis"><span class="invisible"> </span></span></a> covers current challenges, interviews with leading actors and book reviews related to data mining, analytics and data science.</p>
这里有什么问题吗?这里有例外吗
Traceback (most recent call last):
File "twitter_user_scrapper.py", line 91, in getImageList
print div.find('p', attrs={'class' : 'ProfileCard-bio u-dir'}).text
AttributeError: 'NoneType' object has no attribute 'text'
问题可能是一些
div
和class
作为ProfileCard content
的div可能没有一个子p
元素和class-ProfileCard bio u-dir
,当这种情况发生时,以下返回None
-
div.find('p', attrs={'class' : ['ProfileCard-bio', 'u-dir']})
这就是您获得属性错误的原因。您应该获取上面的返回值并将其保存在一个变量中,并检查其是否为None
,如果不是None,则只获取文本
此外,您应该将类作为所有类的列表,而不是单个字符串,作为-
attrs={'class' : ['ProfileCard-bio', 'u-dir']}
范例-
productDivs = soup.findAll('div', attrs={'class' : 'ProfileCard-content'})
for div in productDivs:
elem = div.find('p', attrs={'class' : ['ProfileCard-bio', 'u-dir']})
if elem:
print elem.text
有什么例外?@AnandSKumar:更新了问题您是否使用bs3?BeautifulSoup3.尝试最新的-div.find('p',attrs={'class':['ProfileCard-bio','u-dir']})
当我打印包裹内容时,它看起来是这样的https://Data.gov\xa0是美国政府开放数据的中央清算所。
这里需要编码吗?打印时是这样吗?打印时,应该可以,试着打印,这只是编码,但当您在解释器中选中elem.text
时,您会得到它的repr()
输出。
productDivs = soup.findAll('div', attrs={'class' : 'ProfileCard-content'})
for div in productDivs:
elem = div.find('p', attrs={'class' : ['ProfileCard-bio', 'u-dir']})
if elem:
print elem.text