BeautifulSoup：如何提取标签值？答案

【问题标题】：BeautifulSoup: How to extract tag values?BeautifulSoup：如何提取标签值？
【发布时间】：2018-04-23 23:27:56
【问题描述】：

我对编程很陌生，似乎无法解决以下数据提取问题。

这是我的数据的样子（黄色 = 我要提取的内容）：

提取标题、价格和时间可以正常工作：

# Title
advertTitle = firstAdvert.find_all(
"section", {"class": "aditem-main"})[0].find("h2").text.encode("utf-8").strip().replace("\n", "")

# Price
advertPrice = firstAdvert.find_all(
"section", {"class": "aditem-details"})[0].find("strong").text.encode("utf-8").strip().replace("\n", "")

# Time
advertTimeAdded = advertTitle = firstAdvert.find_all(
"section", {"class": "aditem-addon"})[0].text.encode("utf-8").strip().replace("\n", "")

但我的主要问题是：如何从中提取“79924470”：

<article class="aditem" data-adid="79924470">

我已经尝试过例如：

item.find_all("article", "data-adid"}

感谢您为我指明正确的方向！

【问题讨论】：

请不要在图片中发布代码。有些可能无法打开，从而使他们无法提供帮助。 -1

标签： python beautifulsoup web-crawler

【解决方案1】：

由于您使用的是 BeautifulSoup，因此您可以这样做来提取属性的值：

soup = BeautifulSoup(file, "lxml")
print soup.article['data-adid'] # output : 79924470

【讨论】：

【解决方案2】：

可以使用一系列选择来获取各种元素，如下所示：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html, "lxml")
print soup.article['data-adid']
image = soup.select('div.imagebox.srpimagebox')[0]
print image['data-href']
print image['data-imgsrc']
print soup.select('section h2 a')[0].text
print ', '.join([v.strip() for v in soup.select('section.aditem-details')[0].text.strip().split('\n')])
print soup.select('section.aditem-addon')[0].get_text(strip=True)

其中显示：

79924470
/ref/79924470
https://imgserver.com/012004.JPG
I am a title
12.380€, 50111, Cityname, 25km
Today, 16:19

【讨论】：

哇，这太有用了！非常感谢马丁。

【解决方案3】：

你可以这样做：

data = []
for element in soup.find_all({'data-adid':'79924470'}):
    data.append(element['data-adid']

这应该将data-adid 的每个值添加到列表data。

【讨论】：

我应该解释得更好。数字“79924470”每次都不一样。所以我有一个包含“
”的列表，我试图只提取数字。