从html表使用beutifulsoup和机械化获取文本错误

我想从表格标签内的html代码中获取文本，但我没有得到所有的文本。而是我得到一些部分文本，其余的被忽略从html表使用beutifulsoup和机械化获取文本错误

这里是我的输出代码：

输出

Public Sector Organization (Recruitment Test) 
Test held on: Saturday, 3rd & Sunday 4th, December 2016 
>>>

代码

import mechanize 
from bs4 import BeautifulSoup 
import urllib 
from PIL import Image 
import os 


Roll=60170001   

url = "http://nts.org.pk/Test&Products/Results/012017/PubSecOrg_24122016_Result/Search.php" 

br = mechanize.Browser() 
br.set_handle_robots(False) # ignore robots 
br.open(url) 
br.select_form(nr=0)                
rollnumber=str(Roll) 
captcha=11111 
cap=str(captcha)       
br["RollNo"]=rollnumber 
br["captcha"]=cap 
res = br.submit() 
content = res.read() 
soup = BeautifulSoup(content,"html.parser") 
rolln=soup('table')[2] 
rolln=rolln.text.encode('utf-8') 
print rolln

来源

2017-02-21 Mumtaz

请求的输出是什么？ –

原则上我的输出应该是表格[2]内的全部文本，这有点像这样。公共部门组织（招聘测试）测试时间：2016年12月3日（星期六），3日和4日（星期日）（结果）上传日期：周三，2016年11月23日的关键字60170001 卷没有名称搜索结果父亲姓名 CNIC 后 NTS商标马塔斯·阿里 RAHMAN WALI 16101-1938424-7 讲师（BPS-17）（电子） 67当前日期/时间：2017年2月22日星期三，09：30：48PM – Mumtaz

这种方法似乎是做你想做的。

>>> content = open(r"C:\scratch\___National Testing Service___.html").read() 
>>> from bs4 import BeautifulSoup 
>>> soup = BeautifulSoup(content, 'lxml') 
>>> tables = soup.findAll('table') 
>>> len(tables) 
8 
>>> tables[2].text 
'\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nPublic Sector Organization (Recruitment Test)\nTest held on: Saturday, 3rd & Sunday 4th, December 2016\n\n       \n       (Result)\n\n\n\n\n\n        Search Result for the keyword "\n        60170001        \n"\n\n\n\nRoll No\nName\nFather Name\nCNIC\n\nPost\n\n\nKDPH\n\n\nNTS Marks\n\n\n\n60170001\nSARA ISLAM        \nNAZAR UL ISLAM \n17301-2406027-4 \n\n Assistant Manager(Electronics Engineering) \n\n\n  \n\n\n 63 \n\n\n\n\n\n\n\n\n\n\nCurrent Date/Time: Tuesday 21st, February 2017 , 11:49:59 PM       \n\n\n\n\n\xa0\n\n'

假设mechanize给你相同的格式，我是能够在Chrome浏览器中打开网页并保存你应该确定获得简单的文件。

来源

2017-02-21 18:58:16

非常感谢..最后它完美地工作。刚刚安装了lxml。 – Mumtaz

不客气。我无法确定问题可能是什么。 –

从html表使用beutifulsoup和机械化获取文本错误

回答

相关问题