如何使用 python 在 html 代码中定位 td 类？

Question

我的 html 代码中有一个类。我需要使用 python 定位 td 类“Currentlocation”。

代码：

<td class="CURRENTLOCATION"><img align="MIDDLE" src="..\Images\FolderOpen.bmp"/> Metrics</td>

以下是我尝试过的代码。

第一次尝试：

My_result = page_soup.find_element_by_class_name('CURRENTLOCATION')

出现“TypeError: 'NoneType' object is not callable”错误。第二次尝试：

My_result = page_soup.find(‘td’, attrs={‘class’: ‘CURRENTLOCATION’})

得到“标识符中的无效字符”错误。

谁能帮我在 html 代码中使用 python 找到一个类？

Answer 1

from bs4 import BeautifulSoup
sdata = '<td class="CURRENTLOCATION"><img align="MIDDLE" src="..\Images\FolderOpen.bmp"/> Metrics</td>'
soup = BeautifulSoup(sdata, 'lxml')
mytds = soup.findAll("td", {"class": "CURRENTLOCATION"})
for td in mytds: 
    print(td)

Answer 2

我试过你的代码，第二个例子，问题是你使用的引号。对我来说，它们是撇号（'，unicode 代码点 \u2019），而 python 解释器需要单引号 (') 或双引号 (")。

更改它们我可以找到标签：

>>> bs.find('td', attrs={'class': 'CURRENTLOCATION'})
<td class="CURRENTLOCATION"><img align="MIDDLE" src="..\Images\FolderOpen.bmp"/> Metrics</td>

关于您的第一个示例。我不知道您在哪里找到对方法find_element_by_class_name 的引用，但它似乎不是由 BeautifulSoup 类实现的。相反，该类实现了__getattr__ 方法，这是一种特殊的方法，只要您尝试访问不存在的属性，就会调用该方法。这里是方法的摘录：

def __getattr__(self, tag):
    #print "Getattr %s.%s" % (self.__class__, tag)
    if len(tag) > 3 and tag.endswith('Tag'):
        #
    # We special case contents to avoid recursion.
    elif not tag.startswith("__") and not tag == "contents":
        return self.find(tag)

当您尝试访问属性find_element_by_class_name 时，您实际上是在寻找具有相同名称的标签。

Answer 3

BeautifulSoup 中为此提供了一个功能。 您可以获得所有所需的标签并指定您在 find_all 函数中查找的属性。它返回满足条件的所有元素的列表

import re
from bs4 import BeautifulSoup 
text = '<td class="CURRENTLOCATION"><img align="MIDDLE" src="..\Images\FolderOpen.bmp"/> Metrics</td>'
soup = BeautifulSoup(text, 'lxml')
output_list = soup.find_all('td',{"class": "CURRENTLOCATION"}) # I am looking for all the td tags whose class atrribute is set to CURRENTLOCATION