从字符串中选择单词时，使用 BeautifulSoup Python 从字符串中删除不需要的字符

Question

我是 Python 新手，仍然不了解它的所有内容及其功能，但我正在接近我想要实现的目标。

基本上我有程序从网站上抓取我想要的数据，但是当它从“specs”字符串中打印选定的单词/项目时，它也会从字符串中打印 [ ] 和 '' 等字符。

示例是我试图从 li 列表中获取“齿轮箱”类型、“燃料”类型和“里程”，我已将其转换为带有工厂的字符串，然后从中选择特定项目细绳。

我现在的程序是这样的：

['手动']['汽油']['86,863英里']

我想要实现的是这样的打印结果：

手动，汽油，86,863 英里

当导出到我的 .csv 中的单独列时，应显示在相应标题下的正确列中。

我已尝试 .text 仅删除文本，但它显示为 'list' object has no attribute 'text' 错误。

import csv 

import requests
from bs4 import BeautifulSoup

outfile = open('pistonheads.csv','w', newline='')
writer = csv.writer(outfile)
writer.writerow(["Link", "Make", "Model", "Price", "Image Link", 
"Gearbox", "Fuel", "Mileage"])

url = 'https://www.pistonheads.com/classifieds?Category=used- cars&Page=1&ResultsPerPage=100'

get_url = requests.get(url)
get_text = get_url.text

soup = BeautifulSoup(get_text, 'html.parser')
car_link = soup.find_all('div', 'listing-headline', 'price')

for div in car_link:
    links = div.findAll('a')
    for a in links:
        link = ("https://www.pistonheads.com" + a['href'])
        make = (a['href'].split('/')[-4])
        model = (a['href'].split('/')[-3])
        price = a.find('span').text.rstrip()
        image_link = a.parent.parent.find('img')['src']
        image = ("https:") + image_link
        vehicle_details = a.parent.parent.find('ul', class_='specs')
        specs = list(vehicle_details.stripped_strings)
        gearbox = specs[3:]
        fuel = specs[1:2]
        mileage = specs[0:1]
        writer.writerow([link, make, model, price, image, gearbox, fuel, mileage])
        print(link, make, model, price, image, gearbox, fuel, mileage)

outfile.close()

Answer 1

欢迎来到 StackOverflow！

因此，您的脚本还有很多需要改进的地方。你快到了！

• specs = list(vehicle_details.stripped_strings) 是解析为列表的生成器。实际上，您可以通过索引访问您想要的东西。例如，mileage 可以简单地为 specs[0]。
• 你得到额外的[和]的问题是由于你使用了切片mileage = specs[0:1]造成的。从文档中，索引返回一个项目，切片返回一个新列表。见lists introduction。
• （可选） 最后，要在一行中获取所有这些信息，您可以从规格列表中​​进行多项分配。见multiple assignments.

mileage, fuel, _, gearbox = specs

• 额外提示如有疑问，请使用pdb。

mileage = specs[0]
import pdb; pdb.set_trace()  # temp set on one line so you can remove it easily after
# now you can interactively inspect your code
(Pdb) specs

祝你好运！享受 Python！

Answer 2

如果你想从列表中获取字符串，也许你可以这样做

gearbox = specs[3:][0] if specs[3:] else '-'
fuel = specs[1:2][0]  if specs[1:2] else '-'
mileage = specs[0:1][0]  if specs[0:1] else '-' 

但是这种方式或 aldnav 的答案会给出错误的结果，甚至会抛出错误

ValueError: 没有足够的值来解压

通常我会先提取父容器，而不是选择子容器（a）然后转到父容器。

# helper to get dynamic specs element
def getSpec(element, selector):
    spec = element.select_one(selector)
    return spec.nextSibling.string.strip() if spec else '-'

soup = BeautifulSoup(get_text, 'html.parser')
results = soup.find_all('div', class_="result-contain")

for car in results:
    a = car.find('a')
    if not a:
        continue
    link = ("https://www.pistonheads.com" + a['href'])
    make = (a['href'].split('/')[-4])
    model = (a['href'].split('/')[-3])
    price = a.find('span').text.rstrip()
    image_link = car.find('img')['src']
    image = ("https:") + image_link

    if not car.find('ul', class_='specs'):
        gearbox = fuel = mileage = '-'
    else:
        gearbox = getSpec(car, '.location-pin-4')
        fuel = getSpec(car, '.gas-1')
        mileage = getSpec(car, '.gauge-1')
    print(gearbox, fuel, mileage)
    writer.writerow([link, make, model, price, image, gearbox, fuel, mileage])
    #print(link, make, model, price, image, gearbox, fuel, mileage)

outfile.close()