漂亮的汤虫？

Question

我有下一个代码：

for table in soup.findAll("table","tableData"):
    for row in table.findAll("tr"):
        data = row.findAll("td")
        url = data[0].a
        print type(url)

我得到下一个输出：

^{pr2}$

这意味着，这个url是类标记的对象，我可以从这个对象中获取属性。 但如果我将print type(url)替换为print url['href']，我将得到下一个回溯

Traceback (most recent call last):
File "baseCreator.py", line 57, in <module>
    createStoresTable()
File "baseCreator.py", line 46, in createStoresTable
    print url['href']
TypeError: 'NoneType' object has no attribute '__getitem__'

怎么了？以及如何获得href属性的值。在

Answer 1

我确实喜欢BeautifulSoup，但我个人更喜欢lxml.html（对于不太古怪的HTML），因为它可以使用XPath。在

import lxml.html
page = lxml.html.parse('http://somesite.tld')
print page.xpath('//tr/td/a/@href')

可能需要实现某种形式的“轴”，尽管取决于结构。在

您还可以使用elementsoup作为解析器，详细信息位于http://lxml.de/elementsoup.html