从DIV组中刮取特定内容时出现问题

Question

我正在刮这个URL

我想把所有的餐馆都搜索一下，这样我就可以在单独的变量中得到餐馆的名称、菜系类型和营业时间，但我不知道如何迭代它们

您可以从链接中看到餐厅RESTAURANT DU CASINO IVORY和LA STUB DU CASINO在同一个div div.infos-restos中，所以我要迭代h3，然后让下一个兄弟姐妹进入Type of cuisine

这是我的密码

for rests in dining_soup.select("div.infos-restos"):

        for rest in rests.select("h3"):
            print("            Rest Name: "+rest.text)
            print(rest.next_sibling.next_sibling.next_sibling.next_sibling.string)

另一个问题：）：第print(rest.next_sibling.next_sibling.next_sibling.next_sibling.string)行打印完整的HTML。如何只获取文本？你知道吗

Answer 1

我建议你用^{}

beautifulsoup不支持xpath
在我看来，用xpath从DOM中提取数据要简单得多

以下是您的操作方法：

from lxml import etree
import requests

url = 'http://www.accorhotels.com/gb/hotel-5548-mercure-niederbronn-hotel/restaurant.shtml'
res = requests.get(url)

tree = etree.HTML(res.content)  
rest_name_xpath = '//div[@class="infos-restos"]/div[@class="detail-resto"]/following-sibling::h3'

for item in tree.xpath(rest_name_xpath):
    print item.text

输出：

RESTAURANT DU CASINO IVORY
BAR DES MACHINES A SOUS

附言： 这个网站的html写得不好，没有合适的结构。这就是为什么xpath又长又丑的原因