使用BeautifulSoup访问HTML文件中具有连字符( - )分离名称的类的错误

Question

我正在尝试在hotstar上刮擦流行英语电影的数据

我下载了HTML源代码，我正在这样做：

from bs4 import BeautifulSoup as soup
page_soup = soup(open('hotstar.html'),'html.parser')
containers = page_soup.findAll("div",{"class":"col-xs-6 col-sm-4 col-md-3 col-lg-3 ng-scope"}) 
container = containers[0]
# To get video link
container.div.hs-cards-directive.article.a

我目前正在遇到错误：

NameError: name 'cards' is not defined

这些是HTML文件的前几行：

<div bindonce="" class="col-xs-6 col-sm-4 col-md-3 col-lg-3 ng-scope" ng-repeat="slides in gridcardData">
<hs-cards-directive cdata="slides" class="ng-isolate-scope" renderingdone="shownCard()">
    <article class="card show-card" ng-class="{'live-sport-card':isLiveSportCard, 'card-active':btnRemoveShow,'tounament-tray-card':record.isTournament}" ng-click="cardeventhandler({cardrecord:record})" ng-init="init()" pdata="record" removecard="removecard" watched="watched">
        <a href="http://www.hotstar.com/movies/step-up-revolution/1770016594" ng-href="/movies/step-up-revolution/1770016594" restrict-anchor="">

请帮助我！我在Windows上使用Python 3.6.3。

Answer 1

as(松散(在文档的下部部分中解释，tag.descendant语法只是tag.find('descendant')的方便快捷方式。

在您拥有名称不有效的python标识符的标签的情况下，无法使用快捷方式。 ¹ (也在您的标签上，其名称与BS4本身的方法相撞的标签，像<find>标签。(

---

Python标识符只能具有字母，数字和下划线，而不是连字符。因此，当您写这篇文章时：

container.div.hs-cards-directive.article.a

…Python像这种数学表达式一样解析它：

container.div.hs - cards - directive.article.a

BeautifulSoup的div节点没有名为hs的后代，但这很好。它只是返回None。但是然后尝试从该None减去cards，然后获得NameError。

---

无论如何，在这种情况下，唯一的解决方案是不使用快捷方式并明确调用find：

container.div.find('hs-cards-directive').article.a

或，如果对您的用例有意义，您可以跳到article，因为捷径会找到任何后代，而不仅仅是指导孩子：

container.div.article.a

，但我认为在您的情况下这是不合适的；您只需要在特定的子节点下的文章，而不是所有可能的文章，对吗？

---

_{1。从技术上讲，实际上是可以使用快捷方式的，它不再是捷径了。如果您了解getattr(container.div, 'hs-cards-directive').article.a的含义，那么您可以编写它，并且它将起作用……但是显然find将更易读，更容易理解。}