标签 h4 包含在 div 类中

Question

我在使用 Beautifulsoup 分析具有“div”属性的 HTML 元素时遇到问题。代码是这样的

我需要提取 h4 标签内的内容，我无法搜索文本“Ocarrol”，因为它是一个随机值

find('div',{"class": "carResultRow_OfferInfo_Supplier-wrap "})

查询时，我返回无

<div class="carResultRow_OfferInfo_Supplier-wrap ">
<h3 class="carResultRow_OfferInfo_SupplierLabel">Servicio proporcionado por:</h3>
<img src="https://cdn2.rcstatic.com/images/suppliers/flat/ocarrol_logo.gif" title="Ocarrol" alt="Ocarrol">
<h4 style="" xpath="1">Ocarrol</h4>
<a href="InfoPo=0&amp;driversAge=30&amp;os=1" onclick="GAQPush('cboxElement">Términos y condiciones</a>
</div>

link

添加链接，在这种情况下我只需要汽车公司的名称 Ocarrol、Ocarrol、Hertz、Fit Car Rental..等

Answer 1

我假设您使用的是 BeautifulSoup 4.7+。某些属性在 Beautiful Soup 中的处理有点特殊，在 4.7 中，最终结果与

通常作为空格分隔列表处理的属性与所有其他属性的处理方式略有不同。 class 恰好是这些属性之一，通常作为空格分隔列表处理。 BeautifulSoup 实际上并没有将这些属性存储在 HTML 文档中，而是将它们存储为类列表（删除了空格）："class1 class2 " -> ['class1', 'class2']。当它需要将类属性评估为字符串时，它会重新组合类，以将每个值与它们之间的空格连接起来，但请注意不再存在诸如尾随空格之类的内容："class1 class2"。

现在，我并不是说这是一个直观的事情，只是这就是 BeautifulSoup 所做的。我个人更喜欢 BeautifulSoup 将它们存储为原始字符串，然后在需要时将它们拆分为一个列表，但这不是他们所做的。

现在在 BeautifulSoup

soup.find('div',{"class": "carResultRow_OfferInfo_Supplier-wrap"})

您可以在此处阅读有关此行为的更多信息：https://bugs.launchpad.net/beautifulsoup/+bug/1824502。

---

例子

from bs4 import BeautifulSoup

html = """
<div class="carResultRow_OfferInfo_Supplier-wrap ">
<h3 class="carResultRow_OfferInfo_SupplierLabel">Servicio proporcionado por:</h3>
<img src="https://cdn2.rcstatic.com/images/suppliers/flat/ocarrol_logo.gif" title="Ocarrol" alt="Ocarrol">
<h4 style="" xpath="1">Ocarrol</h4>
<a href="InfoPo=0&amp;driversAge=30&amp;os=1" onclick="GAQPush('cboxElement">Términos y condiciones</a>
</div>
"""

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

print(soup.find('div',{"class": "carResultRow_OfferInfo_Supplier-wrap"}).find('h4'))

输出

<h4 style="" xpath="1">Ocarrol</h4>

Answer 2

也许您可以使用 CSS 选择器来代替查找？

from bs4 import BeautifulSoup

html = '''<div class="carResultRow_OfferInfo_Supplier-wrap ">
<h3 class="carResultRow_OfferInfo_SupplierLabel">Servicio proporcionado por:</h3>
<img src="https://cdn2.rcstatic.com/images/suppliers/flat/ocarrol_logo.gif" title="Ocarrol" alt="Ocarrol">
<h4 style="" xpath="1">Ocarrol</h4>
<a href="InfoPo=0&amp;driversAge=30&amp;os=1" onclick="GAQPush('cboxElement">Términos y condiciones</a>
</div>'''
soup = BeautifulSoup(html, 'lxml')

print(soup.select('div[class="carResultRow_OfferInfo_Supplier-wrap"]'))

打印：

[<div class="carResultRow_OfferInfo_Supplier-wrap">
<h3 class="carResultRow_OfferInfo_SupplierLabel">Servicio proporcionado por:</h3>
<img alt="Ocarrol" src="https://cdn2.rcstatic.com/images/suppliers/flat/ocarrol_logo.gif" title="Ocarrol"/>
<h4 style="" xpath="1">Ocarrol</h4>
<a href="InfoPo=0&amp;driversAge=30&amp;os=1" onclick="GAQPush('cboxElement">Términos y condiciones</a>
</div>]