标签:python beautifulsoup web-scraping html-parsing
我正在努力刮擦这个Wikipedia page岁生日的人
这是现有的代码:
hdr = {'User-Agent': 'Mozilla/5.0'}
site = "http://en.wikipedia.org/wiki/"+"january"+"_"+"1"
req = urllib2.Request(site,headers=hdr)
page = urllib2.urlopen(req)
soup = BeautifulSoup(page)
print soup
一切正常,我得到了整个HTML页面,但是我想要特定的数据,而且我不知道如何在没有ID的情况下使用Beautiful Soup访问它. < ul>标签没有ID,< li>也没有标签.另外,我不能只要求每一个< li>标记,因为页面上还有其他列表.有特定的方法来调用给定列表吗? (我不能只为此页面使用修复程序,因为我计划遍历所有日期并获取每一页的生日,而且我不能保证每一页都与此页面完全相同).
解决方法:
找到“出生”部分:
section = soup.find('span', id='Births').parent
然后找到下一个无序列表:
births = section.find_next('ul').find_all('li')
标签:python,beautifulsoup,web-scraping,html-parsing 来源: https://codeday.me/bug/20191009/1882035.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。