Beautifulsoup 解析 - 处理上标？答案

【问题标题】：beautifulsoup parsing - dealing with superscript?Beautifulsoup 解析 - 处理上标？
【发布时间】：2015-04-19 23:52:27
【问题描述】：

这是我试图从中提取信息的 HTML 片段：

<td class="yfnc_tablehead1" width="74%">Market Cap (intraday)<font size="-1"><sup>5</sup></font>:</td><td class="yfnc_tabledata1"><span id="yfs_j10_aal">33.57B</span></td></tr>

网页上的样子：

市值（盘中）⁵:33.57B

我所拥有的（不起作用）：

    HTML_MarketCap = soup.find('sup', text='5').find_next_sibling('span').text

如何提取 33.57B 字符串？

【问题讨论】：

标签： python html beautifulsoup

【解决方案1】：

span 不是兄弟姐妹，它是 ~~祖父母兄弟姐妹的孩子~~，一旦被移除（感谢，1.618）。

from bs4 import BeautifulSoup as bs
soup = bs("""<td class="yfnc_tablehead1" width="74%">Market Cap (intraday)
<font size="-1"><sup>5</sup></font>:</td><td class="yfnc_tabledata1">
<span id="yfs_j10_aal">33.57B</span></td></tr>""")

soup.find("sup", text="5").parent.parent.find_next_sibling("td").find("span").text
# u'33.57B'

由于您似乎有问题，这是我的完整测试脚本（使用python-requests），它可靠地为我工作：

import requests
from bs4 import BeautifulSoup as bs

url = "https://finance.yahoo.com/q/ks?s=AAL+Key+Statistics"

r = requests.get(url)

soup = bs(r.text)

HTML_MarketCap = soup.find("sup", text="5").parent.parent.find_next_sibling("td").find("span").text

print HTML_MarketCap

【讨论】：

堂兄，一旦被移除？ ;)
让我发笑，将其添加到答案中。
对我不起作用。引用“市值（日内）”而不是上标会更好吗？
我的确切代码是否适合您，即在使用我的测试字符串时？哪个更可靠取决于页面。
确切的代码不起作用，但它可能是页面本身。这是我要抓取的页面。 finance.yahoo.com/q/ks?s=AAL+Key+Statistics

【解决方案2】：

或者，您可以在找到<sup>5</sup> 元素后简单地使用find_next()，如下所示：

from bs4 import BeautifulSoup

s = '''<td class="yfnc_tablehead1" width="74%">Market Cap (intraday)<font size="-1"><sup>5</sup></font>:</td><td class="yfnc_tabledata1"><span id="yfs_j10_aal">33.57B</span></td></tr>'''

soup  =BeautifulSoup(s)

sup = soup.find('sup', text='5')

sup.find_next('span')
Out[5]: <span id="yfs_j10_aal">33.57B</span>

sup.find_next('span').text
Out[6]: u'33.57B'


>>>help(sup.find_next)

模块bs4.element中find_next方法的帮助：

find_next(self, name=None, attrs={}, text=None, **kwargs) 方法 bs4.element.Tag 实例返回与给定条件匹配的第一个项目和出现在文档中此标记之后。

【讨论】：