如何在列表理解中使用 if/else 以及遍历 html 页面的漂亮汤逻辑

Question

我正在尝试学习一个 YouTube 练习，该练习将从 wiki 页面抓取特定的 html 块https://en.wikipedia.org/wiki/Toy_Story_3，我对信息框中的键值对数据感兴趣从该页面并将其放入我的 jupyter 笔记本中的 python dict 对象中，以供我的 panda 学习。 html部分是类名为“infobox vevent”的表。基本上我循环遍历“”标签并进入“”和“”部分以获取数据。这是来自 youtube 的代码，但如果可能的话，我尝试用其他方式进行列表理解。

   r = requests.get("https://en.wikipedia.org/wiki/Toy_Story_3")
    soup = bs(r.content)
    contents =soup.prettify()

    info_box = soup.find(class_="infobox vevent")
    info_rows = info_box.find_all("tr")

    movie_info = {}
    for index, row in enumerate(info_rows):
        if index == 0:
            movie_info['title'] = row.find("th").get_text()
        elif index == 1:
            continue
        else:
            content_key = row.find("th").get_text()
            content_value =[row_data.get_text() for row_data in row.find("td").find_all("li")]
            movie_info[content_key] = content_value
      
    movie_info`

输出是这样的

`{'title': 'Toy Story 3',
 'Directed by': [],
 'Screenplay by': [],
 'Story by': ['John Lasseter', 'Andrew Stanton', 'Lee Unkrich'],
 'Produced by': [],
 'Starring': ['Tom Hanks',
  'Tim Allen',
  'Joan Cusack',
  'Don Rickles',
  'Wallace Shawn',
  'John Ratzenberger',
  'Estelle Harris',
  'Ned Beatty',
  'Michael Keaton',
  'Jodi Benson',
  'John Morris'],
 'Cinematography': ['Jeremy Lasky', 'Kim White'],...}

这是我抓取的html部分，

<table class="infobox vevent">
<tbody>
<tr><th>Toy Story 3</th></tr>
<tr><th>Screenplay by</th><td>Michael Arndt</td></tr>
<tr><th>Story by</th><td>
<style data-mw-deduplicate="TemplateStyles:r1126788409">.mw-parser-output .plainlist ol,.mw-parser-output .plainlist ul{line-height:inherit;list-style:none;margin:0;padding:0}.mw-parser-output .plainlist ol li,.mw-parser-output .plainlist ul li{margin-bottom:0}</style>
<div class="plainlist">
<ul>
<li>John Lasseter</li>
<li>Andrew Stanton</li>
<li>Lee Unkrich</li>
</ul>
</div></td></tr>
<tr><th> Produced by</th><td>Darla K. Anderson</td></tr>
<tr><th>Starring</th><td>
<div class="plainlist">
<ul><li><a href="/wiki/Tom_Hanks" title="Tom Hanks">Tom Hanks</a></li>
<li><a href="/wiki/Tim_Allen" title="Tim Allen">Tim Allen</a></li>
<li><a href="/wiki/Joan_Cusack" title="Joan Cusack">Joan Cusack</a></li>
<li><a href="/wiki/Don_Rickles" title="Don Rickles">Don Rickles</a></li>
<li><a href="/wiki/Wallace_Shawn" title="Wallace Shawn">Wallace Shawn</a></li>
<li><a href="/wiki/John_Ratzenberger" title="John Ratzenberger">John Ratzenberger</a></li>
<li><a href="/wiki/Estelle_Harris" title="Estelle Harris">Estelle Harris</a></li>
<li><a href="/wiki/Ned_Beatty" title="Ned Beatty">Ned Beatty</a></li>
<li><a href="/wiki/Michael_Keaton" title="Michael Keaton">Michael Keaton</a></li>
<li><a href="/wiki/Jodi_Benson" title="Jodi Benson">Jodi Benson</a></li>
<li><a href="/wiki/John_Morris_(American_actor)" title="John Morris (American actor)">John Morris</a></li></ul>
.... more html code here 

</Other closing markup>
</table>

如您所见，有空值。只有那些有

<li>

子级的才能返回数据，逻辑错误就在这行代码

content_value =[row_data.get_text() for row_data in row.find("td").find_all("li")]

，它忽略了没有

<td>

子级的

<li> 

。需要帮助如何将 else 逻辑与此列表压缩行放在一起。我尝试过

content_value =[row_data.get_text() for row_data in row.find("td").find_all("li") else row_data.ge_text()]

。我收到语法错误。

Answer 1

如果列表推导式为空，则需要使用

row.find("td").get_text()

来代替。

您可以通过在列表理解之后放置

or

子句来做到这一点。

在 Python 中，当你这样说时：

x = y or z

评估

y

的值，如果它是“true”，则将该值分配给

x

，否则分配

z

的值。

所以你需要在推导式之后添加一个

or

子句：

content_value = [...] or row.find("td").get_text()