BeautifulSoup HTML table解析

Question

我正在尝试分析来自此网站的信息（html表）：http://www.511virginia.org/RoadConditions.aspx?j=All&r=1

目前我正在使用BeautifulSoup，代码如下

from mechanize import Browser
from BeautifulSoup import BeautifulSoup

mech = Browser()

url = "http://www.511virginia.org/RoadConditions.aspx?j=All&r=1"
page = mech.open(url)

html = page.read()
soup = BeautifulSoup(html)

table = soup.find("table")

rows = table.findAll('tr')[3]

cols = rows.findAll('td')

roadtype = cols[0].string
start = cols.[1].string
end = cols[2].string
condition = cols[3].string
reason = cols[4].string
update = cols[5].string

entry = (roadtype, start, end, condition, reason, update)

print entry

问题在于起始列和结束列。它们只是被打印成“无”

输出：

(u'Rt. 613N (Giles County)', None, None, u'Moderate', u'snow or ice', u'01/13/2010 10:50 AM')

我知道它们存储在columns列表中，但似乎额外的link标记会干扰原始html的解析，如下所示：

<td headers="road-type" class="ConditionsCellText">Rt. 613N (Giles County)</td>
<td headers="start" class="ConditionsCellText"><a href="conditions.aspx?lat=37.43036753&long=-80.51118005#viewmap">Big Stony Ck Rd; Rt. 635E/W (Giles County)</a></td>
<td headers="end" class="ConditionsCellText"><a href="conditions.aspx?lat=37.43036753&long=-80.51118005#viewmap">Cabin Ln; Rocky Mount Rd; Rt. 721E/W (Giles County)</a></td>
<td headers="condition" class="ConditionsCellText">Moderate</td>
<td headers="reason" class="ConditionsCellText">snow or ice</td>
<td headers="update" class="ConditionsCellText">01/13/2010 10:50 AM</td>

因此，应该印刷的是：

(u'Rt. 613N (Giles County)', u'Big Stony Ck Rd; Rt. 635E/W (Giles County)', u'Cabin Ln; Rocky Mount Rd; Rt. 721E/W (Giles County)', u'Moderate', u'snow or ice', u'01/13/2010 10:50 AM')

如有任何建议或帮助，我们将不胜感激，并提前向您表示感谢。

Answer 1

我试图重现您的错误，但源html页面已更改。

关于这个错误，我遇到了一个类似的问题，试图重现的例子是here

更改a Wikipedia Table的建议URL

我把它移到美丽的湖畔

from bs4 import BeautifulSoup

并为.get_text()更改.string

start = cols[1].get_text()

我无法用你的例子进行测试（正如我之前所说，我无法重现错误），但我认为这对人们正在寻找解决这个问题的方法是有用的。

Answer 2

start = cols[1].find('a').string

或者更简单

start = cols[1].a.string

或者更好

start = str(cols[1].find(text=True))

以及

entry = [str(x) for x in cols.findAll(text=True)]