代码之家 › 专栏 › 技术社区 › Fang

美汤刮网归无型

beautifulsoup python

Fang · 技术社区 · 7 年前

我正在尝试用漂亮的汤刮一个网站,并写了以下代码:

import requests
from bs4 import BeautifulSoup

page = requests.get("https://gematsu.com/tag/media-create-sales")
soup = BeautifulSoup(page.text, 'html.parser')

try:
    content = soup.find('div', id='main')
    print (content)
except:
    print ("Exception")

但是,这会返回一个nonetype,即使该DIV在网站上具有正确的ID。我做错什么了吗?

我在页面上看到了ID为MAIN的DIV:

当我打印的时候,我也会找到DIV MAIN。 soup :

1 回复 | 直到 7 年前

Wondercricket 7 年前

其中简要介绍了 BeautifulSoup's documentation

漂亮的soup为许多不同的解析器提供了相同的接口,但是每个解析器都是不同的。不同的解析器将从同一文档创建不同的解析树。最大的区别在于HTML解析器和XML解析器之间

…]

这里是用python内置的html解析器解析的同一文档:

BeautifulSoup("<a></p>", "html.parser")

与html5lib一样,此分析器忽略结束 </p> 标签。与html5lib不同,此解析器不尝试通过添加标记来创建格式良好的HTML文档。与LXML不同,它甚至不需要添加标记。

您遇到的问题可能是由于 html.parser 无法正确处理。这导致了 id="main" 当BeautifulSoup解析HTML时被剥离。通过将解析器更改为 html5lib 或 lxml ,BeautifulSoup处理格式错误的HTML与 语法分析器

推荐文章

Google User · Django管理员在`list_display中未显示`creation_date`字段`

1 年前

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

1 年前

ÎÎÎ½Î· ÎÎ®Î¹Î½Î¿Ï · Python lxml.html语法错误:使用lxml find时XPATH的谓词无效

1 年前

user29715306 · from_users=和chats=电视节目中的差异

1 年前

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

1 年前

RASEL MAHMUD · 为什么以及如何在is_even()函数内的IF条件中递归X变量在满足0后递增?[副本]

1 年前

prayner · 更新嵌套字典包含列表中的项

1 年前

Bringo Jr · 我可以在O(n)中解决这个问题吗?

1 年前

Dave · 如何在for循环中修改列表值

1 年前

Shukurullox Komiljonov · 从记录中获得相互和解。使用SQL

1 年前