带有python美丽汤的HTML表格

Question

我有一个如下所示的 HTML 表格：

<table border=0 cellspacing=1 cellpadding=2 class=form>
<tr class=form><td class=formlabel>Heating Coils in Bunker Tanks</td><td class=form>N</td></tr>
<tr class=forma><td class=formlabel>Heating Coils in Cargo Tanks</td><td class=form>U</td></tr>
<tr class=form><td class=formlabel>Manifold Type</td><td class=form>N</td></tr>
<tr class=forma><td class=formlabel>No. Holds</td><td class=form>5</td></tr>
<tr class=form><td class=formlabel>No. Centreline Hatches</td><td class=form>5</td></tr>
<tr class=forma><td class=formlabel>Lifting Gear</td><td class=form>Yes</td></tr>
<tr class=form><td class=formlabel>Gear</td><td class=form>4 Crane (30.5t SWL)</td></tr>
<tr class=forma><td class=formlabel>Alteration</td><td class=form>Unknown</td></tr>
</table>

我正在使用 Beautiful soup 来提取特定数据，这些数据是来自一个爬虫蜘蛛的响应

soup = BeautifulSoup(response.body_as_unicode())
table= soup.find('table', {'class': 'form'})
# psusedo code find manifold type and number of Holds

我该怎么做。请注意，值的顺序可能会改变，但表单标签始终保持不变？如何使用特定的表单标签进行搜索？

编辑：

<tr class=forma><td class=formlabel>Fleet Manager (Operator)</td><td class=form><a href="oBasic.asp?LRNumber=9442964&Action=Display&LRCompanyNumber=40916">ESSAR SHIPPING LTD</a></td></tr>

这种特殊情况不适用于以下同级搜索？如何克服？

Answer 1

您可以找到td 元素by text 并获取next sibling：

table.find('td', text='Manifold Type').next_sibling.text

附带说明一下，为什么需要在 Scrapy 蜘蛛中使用 BeautifulSoup？ Scrapy 本身在 HTML 解析、定位元素方面非常强大：

response.xpath('//table[@class="form"]//td[.="Manifold Type"]/following-sibling::td/text()')

来自scrapy shell的演示：

$ scrapy shell index.html
In [1]: response.xpath('//table[@class="form"]//td[.="Manifold Type"]/following-sibling::td/text()').extract()
Out[1]: [u'N']