Python BeautifulSoup 不使用字符串方法查找 span id 名称
我想获取我的标签的id名称。
<td vAlign="top" colSpan="2"><IMG height="25" src="images/spacer.gif" width="1"><br>
<!--start table details-->
<table cellSpacing="1" cellPadding="5" width="100%" bgColor="#a18c42" border="0" id="compDetails">
<tr bgColor="white">
<td class="rowName" noWrap>מספר תאגיד:</td>
<td width="100%" colSpan="3"><span id="lblCompanyNumber">520000472</span></td>
</tr>
<tr bgColor="white">
<td class="rowName" noWrap>שם תאגיד (עברית):</td>
<td width="50%"><span id="lblCompanyNameHeb">חברת החשמל לישראל בעמ</span></td>
<td class="rowName" noWrap>שם תאגיד (אנגלית):</td>
<td width="50%"><span id="lblCompanyNameEn"></span></td>
</tr>
<tr bgColor="white">
<td class="rowName" noWrap>סטטוס:</td>
<td width="50%"><span id="lblStatus">פעילה</span></td>
<td class="rowName" noWrap>סוג תאגיד:</td>
<td width="50%"><span id="lblCorporationType">חברה ציבורית</span></td>
</tr>
<tr bgColor="white">
<td class="rowName" noWrap>סוג חברה ממשלתית:</td>
<td width="50%"><span id="lblGovCompanyType">חברה ממשלתית</span></td>
<td class="rowName" noWrap>סוג מגבלות:</td>
<td width="50%"><span id="lblLimitType">מוגבלת</span></td>
假设htmlSpan包含上面的html内容 -
soup = BeautifulSoup(htmlSpan , fromEncoding="windows-1255") # I want to use windows-1255 and not utf8
spans = soup('span', limit=30)
这是输出结果 -
[<span class="mainTitle">╫¿╫⌐╫¥ ╫פ╫ק╫ס╫¿╫ץ╫¬</span>,
<span class="subTitle">╫ñ╫¿╫ר╫ש
╫ק╫ס╫¿╫פ/╫⌐╫ץ╫¬╫ñ╫ץ╫¬</span>,
<span id="lblCompanyNumber">514568245</span>,
<span id="lblCompanyNameHeb">╫£╫ס╫ש╫נ ╫נ╫ש╫á╫ר╫ע╫¿╫ª╫ש╫פ ╫ץ╫á╫ש╫¬╫ץ╫ק ╫₧╫ó╫¿╫¢╫
ץ╫¬ ╫ס╫ó"╫₧</span>,
<span id="lblCompanyNameEn">LAVI INTEGRATION &SYSTEM; ANALYSIS LTD</span>,
<span id="lblStatus">╫ñ╫ó╫ש╫£╫פ</span>,
<span id="lblCorporationType">╫ק╫ס╫¿╫פ ╫ñ╫¿╫ר╫ש╫¬</span>,
<span id="lblGovCompanyType">╫ק╫ס╫¿╫פ ╫£╫נ ╫₧╫₧╫⌐╫£╫¬╫ש╫¬</span>,
<span id="lblLimitType">╫₧╫ץ╫ע╫ס╫£╫¬</span>,
<span id="lblStatusMafera"><b><font color="Red"></font></b></span>,
<span id="lblMaferaDate"></span>,
<span id="lblStatusMafera1"><b><font color="Red"></font></b></span>,
<span id="lblCountry">╫ש╫⌐╫¿╫נ╫£</span>,
<span id="lblCity">╫ק╫ף╫¿╫פ</span>,
<span id="lblStreet">╫פ╫£╫£ ╫ש╫ñ╫פ</span>,
<span id="lblStreetNumber">34</span>,
<span id="lblZipCode">38424</span>,
<span id="lblPOB"></span>,
<span id="lblLocatedAt"></span>,
<span id="lblCompanyGoal">╫£╫ó╫í╫ץ╫º ╫ס╫¢╫£ ╫ó╫ש╫í╫ץ╫º ╫ק╫ץ╫º╫ש</span>,
<span id="lblCompanyDesc"></span>,
<span id="lblDochShana"></span>]
我知道怎么获取的内容，但我无法获取的id名称（比如'lblStatus'）。
我该如何使用BeautifulSoup的方法来获取它呢？
我还遇到一个问题，就是在不使用BeautifulSoup的情况下保存的内容，结果它会把字符集转换成utf8（或者说是乱码）。最后我需要把的id名称和内容保存到一个csv文件里，但我在这方面遇到了utf8的问题。
谢谢
2 个回答
我无法获取的id名称（比如'lblStatus'）。
使用spans，这是你自己代码设置的：
for span in spans:
print span['id']
我也在保存内容时遇到麻烦，因为BeautifulSoup会把它转换成utf8或乱码
我无法复现这个问题：对我来说，spans的输出不是乱码，而是和html中一样的字符。你确定你要解析的页面是用"windows-1255"编码的吗？你的python文件里有正确的UTF-8编码声明（# -*- coding: UTF-8 -*-)吗？
现在在python中，UTF-8几乎是标准，BeautifulSoup内部也使用它。我的建议是，在你的所有代码中都使用UTF-8编码，只有在输出或保存数据时才改变编码（如果你真的需要这样做）。
最后我需要把的id名称和内容保存到csv里...
这是一个粗略的想法，你可以根据自己的需要进行调整：
import csv
file_ = open('output.csv', 'w')
writer = csv.writer(file_)
for span in spans:
writer.writerow([span['id'], span.string])
...而且我在这方面遇到了utf8的问题。
你能具体说说你遇到的问题是什么吗？在我的系统（GNU/Linux）上，这一切都运行得很好。
你可以通过把标签当成字典来访问它的属性，字典的键是标签的名字：
for span in spans:
print span['id']
这样就能得到你想要的内容：lblCompanyNumber lblCompanyNameHeb lblCompanyNameEn lblStatus lblCorporationType lblGovCompanyType lblLimitType...
我也在尝试把这些内容保存到csv文件里，但不想让BeautifulSoup把它转换成utf8（或者说是乱码）
mac的回答提到使用decode()是对的。这和sys.getdefaultencoding()（默认是'ascii'）没有关系，这个不重要。