findAll 函数 BeautifulSoup答案

【问题标题】：findAll function BeautifulSoupfindAll 函数 BeautifulSoup
【发布时间】：2013-06-12 18:25:37
【问题描述】：

我一直在尝试解析存储在<td>标签之间的文本元素，例如：

<tr>
<td>Trading Hours</td>
<td><b>Monday</b> <br />
London - 23:00 Sunday - 23:00 Monday<br />
New York - 18:00 Sunday - 18:00 Monday<br />
Chicago - 17:00 Sunday - 17:00 Monday<br />
<br />
<b>Tuesday-Friday</b> <br />
London - 01:00 - 23:00<br />
New York - 20:00 - 18:00<br />
Chicago - 19:00 - 17:00<br />
</td>
</tr>

在这个简单的例子中，只有 2 个 <td> 标签，假设变量 tr 存储整个 html 代码块。我提取文本的逻辑如下（没有任何<tr> 或<br> 标签）：

for td in tr.findAll('td'):
    row.append((td.find('td', text = True)).strip().strip('\n'))

问题：我的for 循环可以识别第一个<td> 标记，但不能识别第二个。我该如何改进？

【问题讨论】：

Parsing HTML Python 的可能副本。澄清我是否错了。

标签： python beautifulsoup

【解决方案1】：

text=True 告诉 BeautifulSoup 寻找带有文本的元素。如果要获取文字，需要使用.get_text()：

td.find('td', text=True).get_text(strip=True)

【讨论】：

即使在获取文本之前，当我这样做时：for td in tr.findAll('td'): print td，它只会打印第一个 <td> ... </td> 标签而不是第二个标签。我试图弄清楚为什么会发生这种情况。
@MaxKim：你从哪里得到这个 HTML？它可能格式不正确。
@MaxKim，你用的是什么版本的 BeautifulSoup？我使用了您发布的相同 html，它找到了两个 td 的元素。您发布的 html 在我看来格式正确。
我正在使用 Beautifulsoup 3，.get_text() 出现错误：'NavigableString' object has no attribute 'get_text'