Python 使用BeautifulSoup获取HTML标记

我正在使用Beauty soup从这里删除数据：

这是我在python 2.7中的代码：

import requests
from bs4 import BeautifulSoup 
page="https://www.booli.se/annons/2272818"
request = requests.get(page)
soup = BeautifulSoup(request.text,'lxml') 


Int[3]: soup.findAll('span', itemprop='name')[4].text.strip().encode('utf-8')

Out[3]:'3 rum, 67 m\xc2\xb2'


Int[4]:d=soup.findAll('span', class_='property__base-info__value')

Out[4]: [<span class="property__base-info__value">\n\t\t\t17 mar
       2017\n\t\t</span>,
     <span class="property__base-info__value">\n\t\t\t2 850 000    
      kr\n\t\t\t<span class="property__base-info__sub-value">42 537    
      kr/m\xb2</span>\n</span>,
    <span class="property__base-info__value">4 921 kr/m\xe5n</span>,
    <span class="property__base-info__value">L\xe4genhet</span>,
    <span class="property__base-info__value">233 kr/m\xe5n</span>,
   <span class="property__base-info__value">3 tr</span>,
    <span class="property__base-info__value">1907 </span>]

  Int[5]: d[2].text.strip().encode('utf-8')
  Out[5]:'4 921 kr/m\xc3\xa5n'


 Int[6]: d[1].text.strip().encode('utf-8')
 Out[6]: '2 850 000 kr\n\t\t\t42 537 kr/m\xc2\xb2'

导入请求
从bs4导入BeautifulSoup
第页=”https://www.booli.se/annons/2272818"
request=requests.get（第页）
soup=BeautifulSoup（request.text，'lxml'）
Int[3]：soup.findAll（'span'，itemprop='name'）[4].text.strip（）.encode（'utf-8'））
输出[3]：'3朗姆酒，67米\xc2\xb2'
Int[4]：d=soup.findAll（'span'，class='property'\uuuu base-info\uuu value'）
输出[4]：[\n\t\t\t17年3月
2017年\n\t\t，
\n\t\t\t2 850 000
kr\n\t\t\t42 537
kr/m\xb2\n，
4921 kr/m\xe5n，
L\xe4genhet，
233 kr/m\xe5n，
3 tr，
1907 ]
Int[5]：d[2].text.strip（）.encode（'utf-8'）
Out[5]：'4921 kr/m\xc3\xa5n'
Int[6]：d[1].text.strip（）.encode（'utf-8'）
输出[6]：'2850000 kr\n\t\t\t42 537 kr/m\xc2\xb2'

现在我的问题是： Q1:In-Out[3]->如何从67M\xc2\xb2中分离出3个朗姆酒？ Q2:In-Out[3]->我如何摆脱朗姆酒和m\xc2\xb2？我只想保存3个房间和67个面积，如： 房间面积 367

---

问题3：同样的问题。我需要删除文本并单独保存值。很抱歉，该网页是瑞典语的。谢谢。

m\xc2\xb2

是打印出来的，因为它无法在UTF-8中理解

m²

如果将

soup.findAll（'span'，itemprop='name'）[4].text.strip（）.encode（'utf-8'）

更改为

soup.findAll（'span'，itemprop='name'）[4]。文本

它打印

3朗姆酒，67平方米

如果您确信源具有一致的格式，并且只需要数值，则可以执行以下操作：

import requests
from bs4 import BeautifulSoup
page="https://www.booli.se/annons/2272818"
request = requests.get(page)
soup = BeautifulSoup(request.text,'lxml')

info = {}
a = soup.findAll('span', itemprop='name')[4].text
a = [int(s) for s in a.split() if s.isdigit()]
info['Rooms'] = a[0]
info['Area'] = a[1]
temp = []
date = soup.findAll('span', class_='property__base-info__value')
for i in date:
    i = i.text.strip()
    temp.append(i)

temp[1] = temp[1].split('\n')[0]

info['Såld'] = temp[0]
info['Utropspris'] = temp[1]
info['Avgift'] = temp[2]
info['Bostadsty'] = temp[3]
info['Driftskostnad'] = temp[4]
info['Våning'] = temp[5]
info['Byggår'] = temp[6]
import pprint
pprint.pprint(info)

---

我现在有一份口述。太好了。谢谢：-）@Mary刚刚添加了一些更改，可能会更有用