如何从python中的HTML中提取时间类？答案

【问题标题】：How to extract time class from HTML in python?如何从python中的HTML中提取时间类？
【发布时间】：2021-06-03 16:15:29
【问题描述】：

我通过beautifulsoup在python中有一段HTML代码，但无法从中检索到所需的时间标签。

HTML is called K:

<time class="dtstart" datetime="05 December 201710:30 AM GMT" id="x-event-date" xcdate="1512469800950">
<a class="action pull-right print-cat" data-href="/en/aus/2017/some-url-data-l17407.html" data-modalid="catalogueModal" data-toggle="modal" href="/en/auctions/ecatalogue/lot.print.L17407.html" style="display: none;">Print My Catalogue (0)</a>
<ul class="breadcrumb inline">
<li>
<a href="/en/aus/2017/some-url-data-l17407.html"><span class="active">Smartphone and watches</span></a>
</li>
</ul>
</time>

我可以提取除时间以外的所有标签：

K.a :
<a class="action pull-right print-cat" data-href="/en/aus/2017/some-url-data-l17407.html" data-modalid="catalogueModal" data-toggle="modal" href="/en/auctions/ecatalogue/lot.print.L17407.html" style="display: none;">Print My Catalogue (0)</a>

K.li:
<li>
<a href="/en/aus/2017/some-url-data-l17407.html"><span class="active">Smartphone and watches</span></a>
</li>

K.time:
Nothing prints

我也尝试了以下解决方案：

K.find('time', {'class':'dtstart'})
Nothing prints

K.find('a', {'class':'action pull-right print-cat'})
<a class="action pull-right print-cat" data-href="/en/aus/2017/some-url-data-l17407.html" data-modalid="catalogueModal" data-toggle="modal" href="/en/auctions/ecatalogue/lot.print.L17407.html" style="display: none;">Print My Catalogue (0)</a>

当我们检查 K 时，我们会看到以下内容：

Signature:      K(*args, **kwargs)
Type:           Tag
String form:   
<time class="dtstart" datetime="05 December 201710:30 AM GMT" id="x-event-date" xcdate="1512469800950">
<a class="action pull-right print-cat" data-href="/en/aus/2017/some-url-data-l17407.html" data-modalid="catalogueModal" data-toggle="modal" href="/en/auctions/ecatalogue/lot.print.L17407.html" style="display: none;">Print My Catalogue (0)</a>
<ul class="breadcrumb inline">
<li>
<a href="/en/aus/2017/some-url-data-l17407.html"><span class="active">Smartphone and watches</span></a>
</li>
</ul>
</time>  
Length:         5
File:           ~/.local/lib/python3.6/site-packages/bs4/element.py
Source:

时间标签怎么可能没有被提取？

【问题讨论】：

源网址和预期输出值是多少？您是否确认它不是动态加载的？似乎该网页正在为此制作额外的 xhr，或者正在使用 js 从其他地方计算/填充

标签： python html beautifulsoup tags

【解决方案1】：

我仍然不确定为什么我一开始就无法收到它，但 Chris Doyle 为成功铺平了道路。我们可以简单地重新调整它并获得所需的结果：

Date=soup(str(K), "html.parser").time.attrs["datetime"]
print(Date)

#Output
{'class': ['dtstart'], 'datetime': '05 December 201710:30 AM GMT', 'id': 'x-event-date', 'xcdate': '1512469800950'}

【讨论】：

【解决方案2】：

您需要仔细检查您在脚本中收到的 html 代码。在您的问题中使用带有 html 的最小示例，很明显 bs4 可以获得时间标签。

from bs4 import BeautifulSoup

html_string = """<time class="dtstart" datetime="05 December 201710:30 AM GMT" id="x-event-date" xcdate="1512469800950">
<a class="action pull-right print-cat" data-href="/en/aus/2017/some-url-data-l17407.html" data-modalid="catalogueModal" data-toggle="modal" href="/en/auctions/ecatalogue/lot.print.L17407.html" style="display: none;">Print My Catalogue (0)</a>
<ul class="breadcrumb inline">
<li>
<a href="/en/aus/2017/some-url-data-l17407.html"><span class="active">Smartphone and watches</span></a>
</li>
</ul>
</time>"""

k = BeautifulSoup(html_string, features="lxml")
print(k.time.attrs)

输出

{'class': ['dtstart'], 'datetime': '05 December 201710:30 AM GMT', 'id': 'x-event-date', 'xcdate': '1512469800950'}

【讨论】：