Beautiful Soup是一个用于解析HTML / XML的Python包。此软件包的最新版本是版本4，导入为bs4。
我正在尝试使用 BeautifulSoup，尽管使用了 import 语句： 从 bs4 导入 BeautifulSoup 我收到错误：ImportError：无法导入名称 BeautifulSoup 导入 bs4 不...
我正在尝试构建一个简单的网络抓取工具。 现在，我在从每一行提取数据时遇到问题，因为缺少 标题。 （仅缺少 标题，并且 <\tr>
我是Python新手，我需要解析网站上的所有记录URL。我尝试了下面的程序，但它无法找到录制链接，但它正在打印其他链接...
Python selenium scraper 总是返回空列表
即使明显存在具有指定类名的元素，以下代码也始终返回空列表： 从硒导入网络驱动程序 从 selenium.webdriver.common.by 导入 夫...
我想获取一些数据，但我很难选择两个 td 并将输出放在它们所属的同一行上。 HTML 示例： ፳ 我想获取一些数据，但我很难选择两个td并将输出放在它们所属的同一行。 HTML 示例： <tr> <td class ='verseNumCell'> ፳ </td> <td class ='verseConentCell'> ወትቤሎን ኢትስምያኒ ኖሔሚን ስምያኒ መራር እስመ መረርኩ ፈድፋደ ወብዙኀ ። </td> </tr> <tr> <td class ='verseNumCell'> ፳፩ </td> <td class ='verseConentCell'> አንሰ ምልእትየ ሖርኩ ወዕራቅየ አግብአኒ <span class='divineWord'>እግዚአብሔር</span> ለምንት ትብላኒ ኖሔሚን እንዘ <span class='divineWord'>እግዚአብሔር</span> አኅሰረኒ ወፈድፋደ አሕመመኒ ። </td> </tr> <tr> 我做了什么： import bs4 import requests import re url = "https://www.ethiopicbible.com/books/%E1%8A%A6%E1%88%AA%E1%89%B5-%E1%8B%98%E1%8D%8D%E1%8C%A5%E1%88%A8%E1%89%B5-1" parameters = {} response = requests.get(url, params=parameters) soup = bs4.BeautifulSoup(response.text, "html.parser") element_list = soup.find("div", class_="geezBibleChapterContainer").find_all("td") for element in element_list: text = element.get_text() text = os.linesep.join([s for s in text.splitlines() if s]) if not re.match(r'^\s*$', text): print(text) 我的输出： ፳ ወትቤሎን ኢትስምያኒ ኖሔሚን ስምያኒ መራር እስመ መረርኩ ፈድፋደ ወብዙኀ ። ፳፩ አንሰ ምልእትየ ሖርኩ ወዕራቅየ አግብአኒ እግዚአብሔር</span> ለምንት ትብላኒ ኖሔሚን እንዘ 我想得到什么： ፳ ወትቤሎን ኢትስምያኒ ኖሔሚን ስምያኒ መራር እስመ መረርኩ ፈድፋደ ወብዙኀ ። ፳፩ አንሰ ምልእትየ ሖርኩ ወዕራቅየ አግብአኒ እግዚአብሔር</span> ለምንት ትብላኒ ኖሔሚን እንዘ 我应该在单独的“汤”中选择 td 吗？ 无需选择单元格，只需选择每一行并使用 get_text(separator=' ',strip=True): for row in soup.select('div.geezBibleChapterContainer tr'): print(row.get_text(' ',strip=True)) 什么导致： ፩ በቀዳሚ ገብረ እግዚአብሔር ሰማየ ወምድረ ። ፪ ወምድርሰ ኢታስተርኢ ወኢኮነት ድሉተ ወጽልመት መልዕልተ ቀላይ ወመንፈሰ እግዚአብሔር ይጼልል መልዕልተ ማይ ። ፫ ወይቤ እግዚአብሔር ለይኩን ብርሃን ወኮነ ብርሃን ። ፬ ወርእዮ እግዚአብሔር ለብርሃን ከመ ሠናይ ወፈለጠ እግዚአብሔር ማእከለ ብርሃን ወማእከለ ጽልመት ። ፭ ወሰመዮ እግዚአብሔር ለብርሃን ዕለተ ወለጽልመት ሌሊተ ወኮነ ሌሊተ ወጸብሐ ወኮነ መዓልተ ፩ ። ፮ ወይቤ እግዚአብሔር ለይኩን ጠፈር ማእከለ ማይ ከመ ይፍልጥ ማእከለ ማይ ወኮነ ከማሁ ። ፯ ወገብረ እግዚአብሔር ጠፈረ ወፈለጠ እግዚአብሔር ማእከለ ማይ ዘታሕተ ጠፈር ወማእከለ ማይ ዘመልዕልተ ጠፈር ። ፰ ወሰመዮ እግዚአብሔር ለውእቱ ጠፈር ሰማየ ወርእየ እግዚአብሔር ከመ ሠናይ ወኮነ ሌሊተ ወጸብሐ ወኮነ ካልእተ ዕለተ ። 示例 import requests import bs4 url = "https://www.ethiopicbible.com/books/%E1%8A%A6%E1%88%AA%E1%89%B5-%E1%8B%98%E1%8D%8D%E1%8C%A5%E1%88%A8%E1%89%B5-1" parameters = {} response = requests.get(url, params=parameters) soup = bs4.BeautifulSoup(response.text, "html.parser") for row in soup.select('div.geezBibleChapterContainer tr'): print(row.get_text(separator=' ',strip=True))
我正在尝试从该网站 https://evanalytics.com/nfl/stats/ 抓取数据，但没有成功。我正在尝试BeautifulSoup。 导入请求 从 bs4 导入 BeautifulSoup 进口熊猫...
出现此错误 - hostIP = socket.gethostbyname(仅主机) UnicodeError：使用“idna”编解码器进行编码失败（UnicodeError：标签为空或太长） 我尝试跳过标签为空的 URL...
我必须从该网站文本中提取文章内容 从 bs4 导入 BeautifulSoup 导入请求 将 pandas 导入为 pd url = 'https://economictimes.indiatimes.com/industry/cons-products/food...
Python 3.7 BeautifullSoup soup.find 错误 - find() 不接受关键字参数
我从 URL 获得了以下 HTML： 我从 URL 中获得了以下 HTML： <h4> \r\n \r\n\r\n <a href="/l"> \r\n <!-- mp_trans_rt_start id="1" args="as" 1 -->\r\n <span class="brandWrapTitle">\r\n <span class="productdescriptionbrand">Mxxx</span>\r\n </span>\r\n <span class="nameWrapTitle">\r\n <span class="productdescriptionname">Axxxname</span>\r\n </span>\r\n <!-- mp_trans_rt_end 1 -->\r\n </a> \r\n\r\n </h4> 我正在尝试使用 python 来查找类名： import urllib.request from bs4 import BeautifulSoup url = "https://link" user_agent = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.47 Safari/537.36' urlwithagent = urllib.request.Request(url,headers={'User-Agent': user_agent}) response = urllib.request.urlopen(urlwithagent) soup = response.read() product = soup.find("h4", attrs ={"class=": "productdescriptionname"}) print (product) Everythink 完美运行直到上线： product = soup.find("h4", attrs ={"class=": "productdescriptionname"}) 我收到如下错误： find() takes no keyword arguments 我不知道如何解决它 - 有很多信息，但没有任何作用：/ 在使用 BeautifulSoup 之前，您需要将其转换为 find 对象，否则它会使用 str.find 例如： soup = BeautifulSoup(response.read(), "html.parser") product = soup.find("h4", attrs ={"class": "productdescriptionname"}) print (product) 我认为这值得一提，如果 find 方法有问题，检查 type(soup) 是一个很好的方法来查明您是否正在使用正确的 bs4.BeautifulSoup 对象而不是 str。 我想在这里指出一件事，如果使用 soup.prettify() 使 html 可读。需要注意的是，.prettify() 将 bs4.BeautifulSoup 转换为 str。所以这应该单独使用，例如： soup = BeautifulSoup(response) # type(soup) --> bs4.BeautifulSoup print(soup.prettify()) # print readable html 不喜欢： soup = BeautifulSoup(response).prettify() # type(soup) --> str 我在网上读到的关于这个问题的另一件事是这样的：“你的 beautiful soup 版本可能不支持 find。”因此，我最终升级和降级了版本很多次，然后才意识到这是一个错误的陈述由业余爱好者制作。 在打印之前我已经为此奋斗了大约 45 分钟type(soup)。我希望这可以节省其他人的时间。 Может кому подойдет история такая повторял за автором ютуба и переписывал код для парсинга и вышла такая же ошибка как в вопросе искал читал, шерстил инет пока не начал перепроверять свой код в общем мой код с ошибкой: from requests import Session from bs4 import BeautifulSoup as BS from time import sleep headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 YaBrowser/23.11.0.0 Safari/537.36'} work = Session() work.get('https://quotes.toscrape.com/', headers=headers) response = work.get('https://quotes.toscrape.com/login', headers=headers) soup = BS(response.text, 'lxml') token = soup.find('from').find('input').get('') в чем здесь ошибка？ вот в этой строке token = soup.find('from').find('input').get('') а именно soup.find('from') я решил скать ошибку методом исключения поэтому довел до такого состояния и понял что в странице нет тэга '来自' а есть тэг '形式' как только поменял на тэг 'form' ошибка с soup.find() - find() ушла может кому поможет
使用 Selenium/Requests 进行网页抓取并通过 CloudFare - Python
我正在尝试抓取一个使用 Cloudflare DNS 和 CDN/代理的网站。我尝试过 Tor、Selenium_stealth 和 UnDetected_Chrome，但都已被检测到。有什么办法可以绕过 CLoudfare
使用Python通过函数抓取数据并附加到数据框。由于声明的数据帧不匹配以及列中缺少数据，追加功能被破坏...
如何使用 BeautifulSoup 从多个 URL 检索数据（Python 仅返回最后一行）
我正在构建一个代码，该代码将从航空公司评论网站检索所有评论标题。我使用 5 个不同的 URL，因为我想比较 5 个不同的标题
我正在编写一个脚本，用于定位并打印该网站最近一次交易的交易金额 https://ltc.tokenview.io/en/address/M8T1B2Z97gVdvmfkQcAtYbEepune1tzGua 这是...
我想找到嵌套在 中的所有 li 元素。我尝试了以下解决方案，它们都返回 0 消息： 消息=... 我想找到嵌套在 li 中的所有 <ol class="messageList" id="messageList"> 元素。我尝试了以下解决方案，它们都返回 0 条消息： messages = soup.find_all("ol") messages = soup.find_all('div', class_='messageContent') messages = soup.find_all("li") messages = soup.select('ol > li') messages = soup.select('.messageList > li') 完整的 html 可以在这个 gist 中看到。 只是想知道获取这些列表项的正确方法是什么。 在美丽的汤中，你是否必须知道嵌套路径才能获取你想要的元素。或者像 soup.find_all("li") 这样的操作应该返回所有元素，无论它是否嵌套？ 也对非 bs4 答案感到高兴。 感谢您提供示例代码+数据。 请理解 BS4 选择器与 CSS 选择器不同。 这将挑选出您想要的各种列表项元素： def parse(in_file: Path) -> None: hrule = "=" * 60 soup = BeautifulSoup(in_file.read_text(), "html.parser") ol = soup.find("ol", {"class": "messageList", "id": "messageList"}) for li in ol.find_all("li"): print(f"\n\n{hrule}\n\n{li}")
我正在尝试使用 ChromeDriver 浏览此网站：https://apps5.mineco.gob.pe/transparencia/mensual/。 有两个下拉列表，但我只对其中一个特别感兴趣： 我想卖...
我正在尝试使用 ChromeDriver 浏览此网站：https://apps5.mineco.gob.pe/transparencia/mensual/。 有两个下拉列表，但我只对其中一个特别感兴趣： 我想卖...
我需要抓取一些类似网站的具体数据，所以我使用Beautiful Soup和请求，我在这个网站上发现了类似的东西，... 我需要抓取一些类似网站的具体数据，所以我使用了 Beautiful Soup 和 requests，我在这个网站上发现了类似的东西<div class="x1qjc9v5 something something">，我需要抓取它下面的日期。唯一匹配的是开始。那么我可以在网站上搜索该元素吗？以及如何做？ 取决于您需要对日期做什么， 您可以使用 JavaScript 来选择它 document.querySelectorAll('[class^="x1qjc9v5"]') 这是您要找的吗？
SEC EDGAR 13F 源 HTTPError：HTTP 错误 403：禁止
请帮忙，SEC EDGAR 以前一直工作得很好，直到现在。它给出 HTTPError: HTTP Error 403: Forbidden 将 pandas 导入为 pd 表= pd.read_html(“https://www.sec.gov/Archives/edgar/data/1541617/
使用 ELEMNTREE 和 Beautifulsoup 解析 XML 时面临内存问题
我正在尝试使用 beautifulsoup 和 elementree 解析和 XML，但它导致我的电脑崩溃，因为 XML 文件大小为 15,98,040KB，是否可以解析这么大的文件？？？或任何
有谁知道为什么我的用户代理不工作。当我打印“汤”时，我得到 我们的系统检测到来自您的计算机网络的异常流量。此页面检查是否真的是您发送的...