从 p 标签获取文本内容

Question

我正在尝试获取此页面上每个块的描述文本内容

https://twitter.com/search?q=data%20mining&src=typd&vertical=default&f=users。

html for p 标签看起来像

<p class="ProfileCard-bio u-dir" dir="ltr" data-aria-label-part=""><a href="http://t.co/kwtDyFn6dC" rel="nofollow" dir="ltr" data-expanded-url="http://DataMiningBlog.com" class="twitter-timeline-link" target="_blank" title="http://DataMiningBlog.com"><span class="invisible">http://</span><span class="js-display-url">DataMiningBlog.com</span><span class="tco-ellipsis"><span class="invisible">&nbsp;</span></span></a> covers current challenges, interviews with leading actors and book reviews related to data mining, analytics and data science.</p>

我的代码：

productDivs = soup.findAll('div', attrs={'class' : 'ProfileCard-content'})
for div in productDivs:
   print div.find('p', attrs={'class' : 'ProfileCard-bio u-dir'}).text

这里有什么问题吗？在这里获取异常

Traceback (most recent call last):
  File "twitter_user_scrapper.py", line 91, in getImageList
    print div.find('p', attrs={'class' : 'ProfileCard-bio u-dir'}).text
AttributeError: 'NoneType' object has no attribute 'text'

Answer 1

问题可能是某些div 和class 作为ProfileCard-content 可能没有子p 元素与类-ProfileCard-bio u-dir，当这种情况发生时，以下返回None -

div.find('p', attrs={'class' : ['ProfileCard-bio', 'u-dir']})

这就是您获得AttributeError 的原因。你应该得到上面的返回并将它保存在一个变量中，并检查它是否是None，只有当它不是无时才取文本。

此外，您应该将 class 作为所有 classes 的列表，而不是单个字符串，如 -

attrs={'class' : ['ProfileCard-bio', 'u-dir']}

例子-

productDivs = soup.findAll('div', attrs={'class' : 'ProfileCard-content'})
for div in productDivs:
   elem = div.find('p', attrs={'class' : ['ProfileCard-bio', 'u-dir']})
   if elem:
       print elem.text