Python美化组同名DIV，先忽略

因此，我们将使用python bs4，并尝试解决如何忽略相同的DIV名称来收集第二批数据的问题

下面是我试图提取所需数据的代码示例##

##无意义的数据###
4.44美元
peek
2.33美元
关闭窗口
##通缉数据##
8.88美元
peek
9.99美元
关闭窗口
8.88美元
peek
7.77美元
关闭窗口

从bs4导入美化组
soup=BeautifulSoup（“，“html.parser”）
div=soup.find（“div”）
div.find_all（“div”，“class”：“PowerDetails”}）
PowerDetails[1]。查找所有（“p”，“类”：“运行成本”）
PowerDetails[1]。查找所有（“p”，“类”：“时间”）

find_all（）

将返回

list

。使用切片或索引只访问所需的元素。

您可以对结果列表进行切片，以从第一个索引开始获取元素。但是，首先，您没有在代码中找到正确的标记

从bs4导入美化组
html_doc=“”
4.44美元
peek
2.33美元
关闭窗口
##通缉数据##
8.88美元
peek
9.99美元
关闭窗口
8.88美元
peek
7.77美元
关闭窗口
"""
soup=BeautifulSoup（html\u doc，“html.parser”）
#只需一行代码就可以得到div
powerDetails=soup.find_all（class=“powerDetails”）
打印（len（powerDetails））#输出2

现在，您可以对列表进行切片以忽略第一个div

powerDetails=powerDetails[1:]#从第二个元素开始获取元素（忽略第一个元素）
打印（len（powerDetails））#输出1

现在，您将拥有一个只包含一个元素的列表

打印（powerDetails）

输出：

[<div class="PowerDetails">
<div class="Company">
<p class="RunningCost">$8.88</p>
<p class="Time">peek</p>
<p class="RunningCost"> $9.99</p>
<p class="Time">Off-peek</p>
</div>
<div class="Company">
<p class="RunningCost">$8.88</p>
<p class="Time">peek</p>
<p class="RunningCost"> $7.77</p>
<p class="Time">Off-peek</p>
</div>
</div>]

[
8.88美元
peek
9.99美元
关闭窗口
8.88美元
peek
7.77美元
关闭窗口
]

另一种方法

from simplified_scrapy import SimplifiedDoc

html = '''
##Pointless Data###
<div class="PowerDetails">
<div class="Company">
        <p class="RunningCost">$4.44</p>
        <p class="Time">peek</p>
        <p class="RunningCost"> $2.33</p>           
        <p class="Time">Off-peek</p>
</div>
</div>

##Wanted data##
<div class="PowerDetails">
  <div class="Company">
        <p class="RunningCost">$8.88</p>
        <p class="Time">peek</p>
        <p class="RunningCost"> $9.99</p>           
        <p class="Time">Off-peek</p>
  </div>
  <div class="Company">
        <p class="RunningCost">$8.88</p>
        <p class="Time">peek</p>
        <p class="RunningCost"> $7.77</p>           
        <p class="Time">Off-peek</p>
  </div>
</div>
'''

doc = SimplifiedDoc(html)

# First method, get all, use index.
PowerDetails = doc.selects('div.PowerDetails')[1].selects(
    'div.Company').selects('p')
for ps in PowerDetails:
    print([(p['class'], p.text) for p in ps])

# Second method, skip the first with parameter start
PowerDetails = doc.getElement(
    'div', value='PowerDetails',
    start='class="PowerDetails"').selects('div.Company').selects('p')
for ps in PowerDetails:
    print([(p['class'], p.text) for p in ps])

[<div class="PowerDetails">
<div class="Company">
<p class="RunningCost">$8.88</p>
<p class="Time">peek</p>
<p class="RunningCost"> $9.99</p>
<p class="Time">Off-peek</p>
</div>
<div class="Company">
<p class="RunningCost">$8.88</p>
<p class="Time">peek</p>
<p class="RunningCost"> $7.77</p>
<p class="Time">Off-peek</p>
</div>
</div>]

from simplified_scrapy import SimplifiedDoc

html = '''
##Pointless Data###
<div class="PowerDetails">
<div class="Company">
        <p class="RunningCost">$4.44</p>
        <p class="Time">peek</p>
        <p class="RunningCost"> $2.33</p>           
        <p class="Time">Off-peek</p>
</div>
</div>

##Wanted data##
<div class="PowerDetails">
  <div class="Company">
        <p class="RunningCost">$8.88</p>
        <p class="Time">peek</p>
        <p class="RunningCost"> $9.99</p>           
        <p class="Time">Off-peek</p>
  </div>
  <div class="Company">
        <p class="RunningCost">$8.88</p>
        <p class="Time">peek</p>
        <p class="RunningCost"> $7.77</p>           
        <p class="Time">Off-peek</p>
  </div>
</div>
'''

doc = SimplifiedDoc(html)

# First method, get all, use index.
PowerDetails = doc.selects('div.PowerDetails')[1].selects(
    'div.Company').selects('p')
for ps in PowerDetails:
    print([(p['class'], p.text) for p in ps])

# Second method, skip the first with parameter start
PowerDetails = doc.getElement(
    'div', value='PowerDetails',
    start='class="PowerDetails"').selects('div.Company').selects('p')
for ps in PowerDetails:
    print([(p['class'], p.text) for p in ps])

[('RunningCost', '$8.88'), ('Time', 'peek'), ('RunningCost', '$9.99'), ('Time', 'Off-peek')]
[('RunningCost', '$8.88'), ('Time', 'peek'), ('RunningCost', '$7.77'), ('Time', 'Off-peek')]
[('RunningCost', '$8.88'), ('Time', 'peek'), ('RunningCost', '$9.99'), ('Time', 'Off-peek')]
[('RunningCost', '$8.88'), ('Time', 'peek'), ('RunningCost', '$7.77'), ('Time', 'Off-peek')]