如何在 Beautiful Soup 中打印出表格行的所有单元格

Question

我刚刚开始学习如何使用 Beautiful Soup。

作为练习，我选择了this page from ESPN。

那里有一张桌子，上面有 NBA 球员和他们的幻想排名。 我能够打印出整行，它显示了我在浏览器中看到的所有内容。

但是，当我自己打印每个单元格时，它会打印出“无”，因为由于某种原因，它无法解析包含锚点的单元格

下面是我的代码：

from bs4 import BeautifulSoup

import urllib2
import re

if __name__ == '__main__':
   url = "http://www.espn.com/espn/print?id=20443164"
   resp = urllib2.urlopen(url)
   soup = BeautifulSoup(resp.read())

   table = soup.find_all("table")
   mytable = table[2]
   rows = mytable.findChildren(['th','tr'])
   print rows
   for row in rows:
       cells = row.findChildren('td')
       for cell in cells:
#           print cell.string  # line in question
           print cell  # line in question

如果我使用

print cell

我得到以下输出：

<td>1. <a href="http://www.espn.com/nba/player/_/id/3032977/giannis-antetokounmpo">Giannis Antetokounmpo</a>, SF/PF</td>
<td>PHI</td>
<td>C24</td>

如果我使用

print cell.string

我得到以下输出：

None
MIL
SF1

那么我怎样才能在没有“td”标签的情况下打印所有内容，但在不打印“None”的情况下识别第一个单元格中的所有内容？

Answer 1

在最后一个循环中试试这个。将cell.string 更改为cell.text

for cell in cells:
    print cell.text

Answer 2

来自official documentation 关于.string（强调我的）：

.string

• 如果一个标签只有一个孩子，并且那个孩子是NavigableString，那么这个孩子就可以作为.string使用

• 如果标签的唯一子标签是另一个标签，并且该标签具有.string，则认为父标签与其子标签具有相同的.string

• 如果一个标签包含不止一个东西，那么.string应该指的是什么就不清楚了，所以.string被定义为None

如果一个标签包含多个东西的意思是，如果一个标签包含另一个标签，tag.string 的计算结果为None。这就是您在代码中首先获得None 标记的原因（因为它包含另一个标记<a>）。

因此，要获取标签的完整文本，您可以使用get_text()。所以，在你的代码中，使用cell.get_text()。

或者，对于这种情况，您也可以使用cell.text。 .text 与get_text() 相同，可以在source code 中看到：

text = property(get_text) 

Answer 3

你可以这样做 -

print (cell.text)

这将使您在单元格中跳过所有标签 init。