使用Python+；BeautifulSoup以串联方式提取标记，创建列表列表

我对python/BeautifulSoup有点陌生，我想知道我是否可以就如何完成以下内容获得一些指导

我有一个网页的html，其结构如下：

1） 包含所有图像名称（名称1、名称2、名称3）的标记中包含的代码块

2） 包含在具有图像URL的标记中的代码块

3） 出现在网页上的日期。我将其放入“date”变量中（该变量已被提取）

从代码中，我试图提取一个列表列表，其中包含[['image1'、'url1'、'date']、['image2'、'url2'、'date']]，稍后我会将其转换为一个字典（通过dict（zip（labels，values））函数），并插入到mysql表中

我所能想到的就是如何提取包含所有图像和所有url的两个列表。你知道我要做什么吗

需要记住的几件事：

1） 图像的数量始终随名称变化（1:1）

2） 日期始终显示一次

另外，如果有更优雅的方法通过bs4提取数据，请让我知道

from bs4 import BeautifulSoup
name = []
url = []
date = '2017-10-12'

text = '<div class="tabs"> <ul><li> NAME1</li><li> NAME2</li><li> NAME3</li> </ul> <div><div><div class="img-wrapper"><img alt="" src="www.image1.com/1.jpg" title="image1.jpg"></img> </div> <center><a class="button print" href="javascript: w=window.open("www.image1.com/1.jpg); w.print();"> Print</a> </center></div><div> <div class="img-wrapper"><img alt="" src="www.image2.com/2.jpg" title="image2.jpg"></img> </div> <center><a class="button print" href="javascript: w=window.open("www.image2.com/2.jpg"); w.print();">Print</a> </center></div><div> <div class="img-wrapper"><img alt="" src="www.image1.com/3.jpg" title="image3.jpg"></img></div> <center><a class="button print" href="javascript: w=window.open("www.image1.com/3.jpg"); w.print();"> Print</a> </center></div> </div></div>'
soup = BeautifulSoup(text, 'lxml')
#print soup.prettify()
#get names
for imgz in soup.find_all('div', attrs={'class':'img-wrapper'}):
    for imglinks in imgz.find_all('img', src = True): 
        #print imgz
        url.append((imglinks['src']).encode("utf-8"))
#3 get ad URLS
for ultag in soup.find_all('ul'):
    for litag in ultag.find_all('li'): 
        name.append((litag.text).encode("utf-8")) #dump all urls into a list
print url
print name

从bs4导入美化组
名称=[]
url=[]
日期='2017-10-12'
text='
NAME1
NAME2
NAME3
'
soup=BeautifulSoup（文本“lxml”）
#打印汤。美化
#取名字
对于汤中的imgz.find_all（'div'，attrs={'class'：'img-wrapper'}）：
对于imgz.find_all（'img'，src=True）中的imglinks：
#打印imgz
url.append（（imglinks['src']）.encode（“utf-8”））
#3获取广告URL
对于汤中的ultag。查找所有（'ul'）：
对于ultag中的litag.find_all（'li'）：
name.append（（litag.text）.encode（“utf-8”）#将所有URL转储到列表中
打印url
印刷品名称

这里有另一种可能的方法来提取URL和名称：

url = [tag.get('src') for tag in soup.find_all('img')]
name = [tag.text.strip() for tag in soup.find_all('li')]

print(url)
# ['www.image1.com/1.jpg', 'www.image2.com/2.jpg', 'www.image1.com/3.jpg']

print(name)
# ['NAME1', 'NAME2', 'NAME3']

至于最终列表的创建，这里有一些功能类似于@t.m.adam的建议：

print([pair + [date] for pair in list(map(list, zip(url, name)))])
# [['www.image1.com/1.jpg', 'NAME1', '2017-10-12'],
#  ['www.image2.com/2.jpg', 'NAME2', '2017-10-12'],
#  ['www.image1.com/3.jpg', 'NAME3', '2017-10-12']]

请注意，

map

现在很少被使用，而且它的使用在美国是完全不被鼓励的

或：

---

values=[list（i）+[date]for i in-zip（name，url）]

类似的东西？天哪，是的。你为什么漫不经心地把它写进评论里，而不是作为答案？非常感谢。现在很忙。。但您可以回答并接受，这可能对其他读者有用。感谢您提供替代bs4解决方案，以及回答原始问题！看起来我需要更多的练习来帮助我编写更高效的bs4代码。

n = len(url)
print(list(map(list, zip(url, name, [date] * n))))
# [['www.image1.com/1.jpg', 'NAME1', '2017-10-12'], ['www.image2.com/2.jpg', 'NAME2', '2017-10-12'], ['www.image1.com/3.jpg', 'NAME3', '2017-10-12']]