奇怪的行为_

Question

我使用以下代码查找源代码中与以下网页对应的所有行span=“7”。你知道吗

http://www.sebi.gov.in/sebiweb/investment/FIILatestSE.jsp?period=month

令人惊讶的是，即使有42行span=“7”，find\u all结果并没有显示所有的行span=“7”，但只显示了其中的22行。为什么？你知道吗

这是我的密码：

from bs4 import BeautifulSoup
import csv
import time
import mechanize
import cookielib

# Browser
br = mechanize.Browser()

# Cookie Jar
cj = cookielib.LWPCookieJar()
br.set_cookiejar(cj)

# Browser options
br.set_handle_equiv(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)

# Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)

# Want debugging messages?
#br.set_debug_http(True)
#br.set_debug_redirects(True)
#br.set_debug_responses(True)

br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
print "Obtaining FII data from SEBI..."
r = br.open('http://www.sebi.gov.in/sebiweb/investment/FIILatestSE.jsp?period=month')
data = r.read()
messages=[]
messages.append("FII data obtained from SEBI")
soup=BeautifulSoup(data)
list=soup.find_all(rowspan="7")

Answer 1

我通过添加xml参数解决了这个问题。你知道吗

soup = BeautifulSoup(data, 'xml')

为便于澄清，请确保已安装lxml。如果安装了任何其他解析器，它将覆盖lxml，并且解析可能不是预期的！你知道吗