如何使用漂亮的汤从一个类中只提取一个元素？答案

【问题标题】：How to use beautiful soup to extract only one element from a class?如何使用漂亮的汤从一个类中只提取一个元素？
【发布时间】：2020-02-21 21:29:16
【问题描述】：

我正在尝试使用 BeautifulSoup 抓取筹款信息，但在尝试隔离诸如为筹款目标筹集的金额等元素时遇到了麻烦。

这是目前为止的代码：

from bs4 import BeautifulSoup
import numpy as np
import pandas as pd
from time import sleep
import requests
import re
import json

page = requests.get("https://www.gofundme.com/f/eric-stevens-care-trust")
soup = BeautifulSoup(page.text, 'lxml')
Amount_raised = soup.find_all('h2', class_='m-progress-meter-heading')[0].get_text()

代码有效，但是当我查看结果时，它看起来像这样：

print(Amount_raised)
882,521 $ raised of 1,000,000 $ goal

理想情况下，我希望只返回数字“882,521”，或者更好的是，将它们解析为两个变量，一个是筹集的金额，另一个是筹款目标。

我觉得应该有一种方法可以指定我想要的元素，或者使用正则表达式来隔离它，但是我的搜索没有成果，而且我对 python 还很陌生。

编辑：这是我尝试使用的 HTML 部分

<h2 class="m-progress-meter-heading">882,521 $<!-- --> <span class="text-stat text-stat-title">raised of 1,000,000 $ goal</span>

【问题讨论】：

Amount_raised.split(" ")[0]
stackoverflow.com/questions/4995116/…

标签： python html beautifulsoup

【解决方案1】：

我发现最简单的方法是：

Amount_raised = soup.find_all('h2', class_='m-progress-meter-heading')
print(Amount_raised[0].contents[0])

打印 $882,521

在这里找到解决方案：Only extracting text from this element, not its children

【讨论】：

它是如此简短和容易。我喜欢它。

【解决方案2】：

如果您想同时获得目标和实际筹集的金额，请尝试：

amts = Amount_raised.split(' ')
locs = [i for i, x in enumerate(amts) if  "$" in x]
print('Amount raised: $'+amts[locs[0]-1])
print('Goal : $'+amts[locs[1]-1])

输出：

Amount raised: $882,521
Goal : $1,000,000

【讨论】：

【解决方案3】：

你可以使用你得到的文本

Amount_raised.split(" ")[0]

完整代码：

from bs4 import BeautifulSoup
import requests

page = requests.get("https://www.gofundme.com/f/eric-stevens-care-trust")
soup = BeautifulSoup(page.text, 'lxml')

Amount_raised = soup.find_all('h2', class_='m-progress-meter-heading')[0].get_text()
print(Amount_raised.split(" ")[0])

你也可以跳过.get_text()，然后你可以从<h2>中找到并删除标签<span>（使用.extrude()），接下来你可以使用.get_text()从<h2>获取文本

item = soup.find_all('h2', class_='m-progress-meter-heading')[0]
item.find('span').extrude()
Amount_raised = item.get_text()

完整代码：

from bs4 import BeautifulSoup
import requests

page = requests.get("https://www.gofundme.com/f/eric-stevens-care-trust")
soup = BeautifulSoup(page.text, 'lxml')

item = soup.find_all('h2', class_='m-progress-meter-heading')[0]
item.find('span').extract()
Amount_raised = item.get_text()
print(Amount_raised)

您还可以在<h2> 中获取包含所有strings 的列表，然后来自<span> 的文本将作为列表中的分隔元素

item = soup.find_all('h2', class_='m-progress-meter-heading')[0]
print( list(item.strings)[0] )

完整代码：

from bs4 import BeautifulSoup
import requests

page = requests.get("https://www.gofundme.com/f/eric-stevens-care-trust")
soup = BeautifulSoup(page.text, 'lxml')

item = soup.find_all('h2', class_='m-progress-meter-heading')[0]
print(list(item.strings)[0])

编辑：其他示例：

item = soup.find_all('h2', class_='m-progress-meter-heading')[0]

print( item.next )
print( list(item.children)[0] )

【讨论】：