Python 美团：<；部门级<；跨度等级></span>&书信电报；跨度等级>；我想要的文本</span>；

我试图使用BeautifulSoup提取由span括起来的字符串，其id=“titleDescription”

<div class="itemText">
    <div class="wrapper">
        <span class="itemPromo">Customer Choice Award Winner</span>
        <a href="http://www.newegg.com/Product/Product.aspx?Item=N82E16819116501" title="View Details" >
            <span class="itemDescription" id="titleDescriptionID" style="display:inline">Intel Core i7-3770K Ivy Bridge 3.5GHz &#40;3.9GHz Turbo&#41; LGA 1155 77W Quad-Core Desktop Processor Intel HD Graphics 4000 BX80637I73770K</span>
            <span class="itemDescription" id="lineDescriptionID" style="display:none">Intel Core i7-3770K Ivy Bridge 3.5GHz &#40;3.9GHz Turbo&#41; LGA 1155 77W Quad-Core Desktop Processor Intel HD Graphics 4000 BX80637I73770K</span>
        </a>
    </div>

客户选择奖得主

代码片段

f = open('egg.data', 'rb')
content = f.read()
content = content.decode('utf-8', 'replace')
content = ''.join([x for x in content if ord(x) < 128])

soup = bs(content)

for itemText in soup.find_all('div', attrs={'class':'itemText'}):
    wrapper = itemText.div
    wrapper_href = wrapper.a
    for child in wrapper_href.descendants:
        if child['id'] == 'titleDescriptionID':
           print(child, "\n")

f=open（'egg.data'，'rb'）
content=f.read（）
content=content.decode（'utf-8'，'replace'）
content=''.join（[x代表内容中的x，如果ord（x）<128]）
汤=bs（含量）
对于汤中的itemText.find_all（'div'，attrs={'class'：'itemText'}）：
包装器=itemText.div
包装器\u href=wrapper.a
对于wrapper_href.substands中的子项：
如果子项['id']='titleDescriptionID'：
打印（子项“\n”）

回溯错误：

Traceback (most recent call last):
  File "egg.py", line 66, in <module>
    if child['id'] == 'titleDescriptionID':
TypeError: string indices must be integers

回溯（最近一次呼叫最后一次）：
文件“egg.py”，第66行，在
如果子项['id']='titleDescriptionID'：
TypeError:字符串索引必须是整数

---

在您的代码中，

wrapper_href.subjections

至少包含4个元素、2个span标记和2个由2个span标记包围的字符串。它递归地搜索它的子项。

wrapper\u href.子项

包括任何子项，这正是您所忽略的

NavigableString

本质上是字符串对象，您正试图使用

child['id']

行对其进行索引：

>>> next(wrapper_href.descendants)
u'\n'

为什么不直接使用

itemText.find（'span'，id='titleDescriptionID'）

加载标记呢

演示：

>>查找汤中的itemText.find_all（'div'，attrs={'class'：'itemText'}）：
...     打印itemText.find（'span'，id='titleDescriptionID'）
...     打印itemText.find（'span'，id='titleDescriptionID'）.text
... 
英特尔酷睿i7-3770K常春藤桥3.5GHz（3.9GHz Turbo）LGA 1155 77W四核桌面处理器英特尔高清图形4000 BX80637I73770K
英特尔酷睿i7-3770K常春藤桥3.5GHz（3.9GHz Turbo）LGA 1155 77W四核桌面处理器英特尔高清图形4000 BX80637I73770K

---

当我们使用BeautifulSoup搜索标记时，我们会得到一个BeautifulSoup.tag对象，它可以直接用来访问它的其他属性，如内部内容、样式、href等。

（对于整个文件）（整个python脚本）粘贴不再加载BTW这是我选择我的方法的原因：我需要解析多个这样的HTML块。我已将完整的原始文件上载到pastebin。我之前没有这样做，因为bpaste.net将其视为垃圾邮件，验证码不起作用（内部服务器错误）。无论如何，使用您的方法可以很好地工作，但由于某些原因，它不会解析该文件中的所有“span”+attrs标记-只是它找到的第一个。它应该只找到第一个，因为我选择了属性id为的span。id是唯一的。如果要选择更多跨距，请选择正确的属性或编号。@paleyviener\n 30180如何获得30180值？我更喜欢这个答案，它似乎适合我的问题。非常感谢。

>>> next(wrapper_href.descendants)
u'\n'

>>> for itemText in soup.find_all('div', attrs={'class':'itemText'}):
...     print itemText.find('span', id='titleDescriptionID')
...     print itemText.find('span', id='titleDescriptionID').text
... 
<span class="itemDescription" id="titleDescriptionID" style="display:inline">Intel Core i7-3770K Ivy Bridge 3.5GHz (3.9GHz Turbo) LGA 1155 77W Quad-Core Desktop Processor Intel HD Graphics 4000 BX80637I73770K</span>
Intel Core i7-3770K Ivy Bridge 3.5GHz (3.9GHz Turbo) LGA 1155 77W Quad-Core Desktop Processor Intel HD Graphics 4000 BX80637I73770K

from BeautifulSoup import BeautifulSoup
pool = BeautifulSoup(html) # where html contains the whole html as string

for item in pool.findAll('span', attrs={'id' : 'titleDescriptionID'}):
    print item.string