在html元素中刮取“数据”或自定义参数的值。

Question

我正试着为一个类项目建立一个网络刮刀。我用的是美汤。

我想刮掉以下值的值：

data-bathroom-value

和

data-bedroom-value

以下元素中的参数：

<td class="floorplan-bed-bath" data-bathroom-value="1" data-bedroom-value="0">Studio / 1 bath</td>

基本上是想得到卧室数和卧室数的值。

Answer 1

您可以使用BeautifulSoup解析您的html，然后获取标记的属性。

演示

>>> html_doc = '<td class="floorplan-bed-bath" data-bathroom-value="1" data-b edroom-value="0">Studio / 1 bath</td>'
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup(html_doc, 'html.parser')
>>> attrs = soup.td.attrs
{u'data-bathroom-value': u'1', u'data-bedroom-value': u'0', u'class': [u'floorplan-bed-bath']}
>>> attrs.get('data-bedroom-value')
u'0'

Answer 2

from bs4 import BeautifulSoup
import urllib2

page = urllib2.urlopen("http://example.com/path/to/page")
soup = BeautifulSoup(page.read())

for td in soup.find_all("td"):
    if "data-bathroom-value" in td.attrs:
        print("Bathrooms: ", td["data-bathroom-value"])
    if "data-bathroom-value" in td.attrs:
        print("Bedrooms: ", td["data-bedroom-value"])