尝试使用python和bs4从特定的'td'中删除所有'a'文本

Question

我试图抓取https://www.betexplorer.com/soccer/england/premier-league/fixtures/来提取'a'标签中包含的文本，特别是在带有类“table-main”的表中，然后是其中的每一行。第一个td包含带有两个团队名称的文本，带有td类，“h-text-left”。不确定问题是否与我的循环有关，但我得到的错误消息似乎我在循环中的最后一行错误地使用bs4。

我可以用表格“table-main”抓住表格中的每个tr，然后每个td用类“h-text-left”。我试图单独提取'a'元素，甚至不是'a'文本时，我正在打一个deadend。

import requests
from bs4 import BeautifulSoup

headers = {'User-Agent':
           'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.106 Safari/537.36'}

r = requests.get('https://www.betexplorer.com/soccer/england/premier-league/fixtures/', headers=headers)

c = r.content

soup = BeautifulSoup(c)

fixture_table = soup.find('table', attrs = {'class': 'table-main'})

for tr in soup.find_all('tr'):
    match_tds = tr.find_all('td', attrs = {'class': 'h-text-left'})
    matches = match_tds.find_all('a')

当我试图找到所有'a'标签时，最后一行会出现以下错误：

...     matches = match_tds.find_all('a')
...
Traceback (most recent call last):
  File "<stdin>", line 4, in <module>
  File "C:\Users\Glypt\AppData\Local\Programs\Python\Python36-32\lib\site-packages\bs4\element.py", line 1884, in __getattr__
    "ResultSet object has no attribute '%s'. You're probably treating a list of items like a single item. Did you call find_all() when you meant to call find()?" % key
AttributeError: ResultSet object has no attribute 'find_all'. You're probably treating a list of items like a single item. Did you call find_all() when you meant to call find()?
>>>

Answer 1

您可以使用单个类将其减少到更快的选择器方法。所有链接都具有相同的类名，因此您可以将其传递给列表解析中的select，以便为您提供所有链接。

import requests
from bs4 import BeautifulSoup
r = requests.get('https://www.betexplorer.com/soccer/england/premier-league/fixtures/')
soup = BeautifulSoup(r.content, 'lxml')
matches = [item['href'] for item in soup.select('.in-match')]

---

可能性

import requests
from bs4 import BeautifulSoup
r = requests.get('https://www.betexplorer.com/soccer/england/premier-league/fixtures/')
soup = BeautifulSoup(r.content, 'lxml')
odds = [item['data-odd'] for item in soup.select('.table-main__odds [data-odd]')]
print(odds)

Answer 2

您应该使用内置功能来查找嵌套结构。您可以使用.css指定'.class_name'类，并使用''first selector'>'second selector'（或更多选择器）查找嵌套结构。这一起看起来像：

import requests
from bs4 import BeautifulSoup

s = requests.session()
s.headers['User-Agent'] = 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.106 Safari/537.36'
res = s.get('https://www.betexplorer.com/soccer/england/premier-league/fixtures/')
soup = BeautifulSoup(res.text, 'html.parser')

matches = soup.select('.table-main  tr  td  a')
for match in matches:
    print(match.getText())

线matches = soup.select('.table-main tr td a')将选择a元素内的所有td元素，这些元素位于tr元素内，位于class=table-main元素内。另外，您可以使用matches = soup.select('td > a')（>运算符）来指定a元素直接位于td元素内。我想这可能会大大简化您的代码！

注意我无法在我的机器上测试这个，因为SSL证书无法确认并提升requests.exceptions.SSLError

Answer 3

要获取文本，请尝试：

for td in soup.findAll('td', attrs = {'class': 'h-text-left'}):
    print(td.findAll('a')[0].text)

Answer 4

match_tds是一个列表，而不是单个元素 - 你用tr.find_all(...)得到它 - 所以你必须使用for循环来运行另一个find_all()

for tr in soup.find_all('tr'):
    match_tds = tr.find_all('td', attrs = {'class': 'h-text-left'})
    for item in match_tds:
        matches = item.find_all('a')
        for a in matches:
            print(a['href'])

如果你使用find()获得第一个元素，那么你可以使用另一个find()或find_all()

soup.find(...).find(...).find_all(...)

但你不能在find()之后使用find_all()或find_all()

# ERROR
soup.find_all(...).find_all(...) 

# ERROR
soup.find_all(...).find(...)