美丽的汤找不到标签

Question

我目前正在尝试使用 Python 3.6 中的请求和 BeautifulSoup 模块进行练习，并且遇到了一个问题，我似乎无法在其他问题和答案中找到任何信息。

似乎在页面的某个位置，Beuatiful Soup 停止识别标签和 Id。我正在尝试从这样的页面中提取播放数据：

http://www.pro-football-reference.com/boxscores/201609080den.htm

import requests, bs4

source_url = 'http://www.pro-football-reference.com/boxscores/201609080den.htm'
res = requests.get(source_url)
if '404' in res.url:
    raise Exception('No data found for this link: '+source_url)

soup = bs4.BeautifulSoup(res.text,'html.parser')

#this works
all_pbp = soup.findAll('div', {'id' : 'all_pbp'})
print(len(all_pbp))

#this doesn't
table = soup.findAll('table', {'id' : 'pbp'})
print(len(table))

使用 Chrome 中的检查器，我可以看到该表确实存在。我还尝试在 HTML 后半部分的 'div's 和 'tr's 上使用它，但它似乎不起作用。我已经尝试过标准的“html.parser”以及 lxml 和 html5lib，但似乎没有任何效果。

我在这里做错了什么，还是 HTML 或其格式中的某些内容阻止了 BeautifulSoup 正确找到后面的标签？我遇到了这家公司（hockey-reference.com、basketball-reference.com）运行的类似页面的问题，但能够在其他网站上正确使用这些工具。

如果它与 HTML 有关，是否有更好的工具/库来帮助提取这些信息？

感谢您的帮助， 高炉

Answer 1

在对 URL 执行 GET 请求后，BS4 将无法执行网页的 javascript。我认为关注的表是从客户端 javascript 异步加载的。

因此，客户端 javascript 需要在抓取 HTML 之前首先运行。这个post 描述了如何做到这一点！

Answer 2

好的，我知道了问题所在。您正在尝试解析 comment，而不是普通的 html 元素。 对于这种情况，您应该使用来自BeautifulSoup 的Comment，如下所示：

import requests
from bs4 import BeautifulSoup,Comment

source_url = 'http://www.pro-football-reference.com/boxscores/201609080den.htm'
res = requests.get(source_url)
if '404' in res.url:
    raise Exception('No data found for this link: '+source_url)

soup = BeautifulSoup(res.content,'html.parser')

comments=soup.find_all(string=lambda text:isinstance(text,Comment))

for comment in comments:
    comment=BeautifulSoup(str(comment), 'html.parser')
    search_play = comment.find('table', {'id':'pbp'})
    if search_play:
        play_to_play=search_play