Python 如何从a<；中获取文本；dt>；标记为<；span>；在…内

我正试图从www.uszip.com上的

标签中提取文本，标签内有

：

下面是我想要得到的一个例子：

<dt>Land area<br><span class="stype">(sq. miles)</span></dt>
<dd>14.28</dd>

然而，这给了我一个机会

AttributeError: 'NoneType' object has no attribute 'contents'

我已经尝试了很多东西，但我不知道如何处理这个问题。此方法适用于此页面上的某些其他数据，如：

<dt>Total population</dt>
<dd>22,234<span class="trend trend-down" title="-15,025 (-69.77% since 2000)">&#9660;</span></dd>

总人口
22,234▼

使用

soup.find（“dt”，text=“Total population”）.next_sibling.contents[0]

返回

'22234'

---

如何首先识别正确的标记，然后从中获取正确的数据？

不幸的是，仅基于包含的文本，无法将标记与文本和嵌套标记进行匹配

您必须在所有

上循环，无需文本：

这听起来有悖常理，但此类标记的

.string

属性为空，这正是BeautifulSoup所要匹配的

.text

包含组合的所有嵌套标记中的所有字符串，并且这些字符串不匹配

您也可以使用进行搜索：

soup.find_all(lambda t: t.name == 'dt' and 'Land area' in t.text)

---

它基本上与封装在

lambda

函数中的过滤器进行相同的搜索。

不幸的是，仅基于包含的文本，无法将标记与文本和嵌套标记进行匹配

您必须在所有

上循环，无需文本：

这听起来有悖常理，但此类标记的

.string

属性为空，这正是BeautifulSoup所要匹配的

.text

包含组合的所有嵌套标记中的所有字符串，并且这些字符串不匹配

您也可以使用进行搜索：

soup.find_all(lambda t: t.name == 'dt' and 'Land area' in t.text)

---

它基本上与封装在

lambda

函数中的过滤器进行相同的搜索。

Hmm，我尝试过，但它再次给了我相同的错误消息。我不知道它是否找到了正确的标记。然后，您正在查看一个没有

标记的页面，其中直接包含字符串

土地面积

。你有链接吗？例如：www.uszip.com/zip/48167我用它来获取soup:`url=urllib2.urlopen（url）content=url.read（）soup=beautifulsou（content）`没有，确实，我看到了你想要的标记，但匹配的文本没有找到它。可能是因为还有其他嵌套标记。你必须循环，我会更新。你也可以尝试匹配“陆地面积（平方英里）”，如果你打印dt标签的文本，这就是你得到的，可能就是“陆地面积”不起作用的原因。嗯，我试过了，但它再次给我相同的错误消息。我不知道它是否找到了正确的标记。然后，您正在查看一个没有

标记的页面，其中直接包含字符串

土地面积

。你有链接吗？例如：www.uszip.com/zip/48167我用它来获取soup:`url=urllib2.urlopen（url）content=url.read（）soup=beautifulsou（content）`没有，确实，我看到了你想要的标记，但匹配的文本没有找到它。可能是因为还有其他嵌套标记。你必须循环，我会更新。如果你打印dt标签的文本，你也可以尝试匹配“陆地面积（平方英里）”，这可能就是为什么“陆地面积”不起作用的原因。

soup.find_all(lambda t: t.name == 'dt' and 'Land area' in t.text)