beautifulsoup

5热度

4回答

鉴于像 <a href="urltxt" class="someclass" close="true">texttxt</a> 的HTML链接我如何可以隔离链接和文本？更新我用美丽的汤，而我无法弄清楚如何做到这一点。我做 soup = BeautifulSoup.BeautifulSoup(urllib.urlopen(url)) links = soup.findAll('a')

3热度

2回答

使用selectorgadget.com解析HTML文件

如何使用美丽的汤和selectorgadget来刮掉网站。例如，我有一个网站 - (a newegg product)，我希望我的脚本能够返回该产品的所有规格（点击规格），我的意思是 - 英特尔，台式机......，2.4GHz，1066Mhz，。 .....，3年有限。使用selectorgadget后，我得到了与字符串 .desc 如何使用呢？谢谢:)

4热度

7回答

BeautifulSoup解析的问题

我想用BeautifulSoup解析html页面，但看起来BeautifulSoup根本不喜欢html或那个页面。当我运行下面的代码时，prettify（）方法只返回页面的脚本块（参见下文）。有人有一个想法，为什么会发生？ import urllib2 from BeautifulSoup import BeautifulSoup url = "http://www.futureshop.c

1热度

1回答

处理给予BeautifulSoup的错误链接的最佳方法是什么？

我正在处理某些从美味中吸引网址的内容，然后使用这些网址发现关联的Feed。但是，一些美味的书签不是html链接，并导致BS到barf。基本上，我想扔掉一个链接，如果BS提取它，它看起来不像HTML。现在，这就是我所得到的。 trillian:Documents jauderho$ ./d2o.py "green data center" processing http://www.green

3热度

3回答

BeautifulSoup 3.1解析器太容易打破

我在用BeautifulSoup解析一些狡猾的HTML时遇到了麻烦。事实证明，在较新版本中使用的HTMLParser比以前使用的SGMLParser具有更小的容错性。 BeautifulSoup有某种调试模式吗？我试图找出如何阻止它borking一些讨厌的HTML我从倔网站加载： <HTML> <HEAD> <TITLE>Title</TITLE> <HTTP-E

15热度

3回答

BeautifulSoup - 修改一段HTML中的所有链接？

我需要能够修改HTML文档中的每一个链接。我知道我需要使用SoupStrainer，但我不完全肯定如何实施它。如果有人能指导我一个很好的资源或提供一个代码示例，它将非常感激。谢谢。

4热度

1回答

使用BeautifulSoup 3.1.0.1和Python 2.5.2的UnicodeEncodeError

使用BeautifulSoup 3.1.0.1和Python 2.5.2，并尝试使用法语解析网页。然而，当我打电话的findAll，我得到以下错误： UnicodeEncodeError： 'ASCII' 编解码器不能编码字符U '\ xe9' 在1146的位置是：序数不在范围内（128）下面是代码我目前正在运行： import urllib2 from BeautifulSoup impor

6热度

3回答

如何使用BeautifulSoup从HTML'datacell'中获取文本

我一直在试图从HTML文件中去除一些数据。我有编码的逻辑来获得正确的单元格。现在我在努力让 '细胞' 的实际内容：，这里是我的htm剪断那么headerRows [0] [10] .contents [Apples Produced </

1热度

1回答

如何在使用Beautifulsoup的某些文本中嵌入p标签？

我想嵌入标签哪里有\ r \ n \ r \ n。 “最后斯里兰卡出现了，阻止了他们的第一场5-0系列的洗牌，并且在连续9场ODI夺冠的情况下停止了印度。\ r \ n \ r \ n对于62个球，Yuvraj Singh打了一个梦，敲门，保持\ n \ n \ n或许这个折腾起了很大的作用，这是马赫拉贾亚瓦德内在过去11次中用硬币击败马亨德拉辛格多尼的第二次。\ r \ n \ r \ n

2热度

4回答

我如何从HTML文件中提取所需的数据？

这是HTML我有： p_tags = ''' Full name Foobar Born July 7, 1923, foo, bar <font class="test-pro