属性使用 BeautifulSoup 时出错

Question

我正在编写一个脚本来生成 JSON 文件，但我遇到了一些问题。

import requests
from bs4 import BeautifulSoup
url = requests.get('https://www.perfectimprints.com/custom-promos/20492/Beach-Balls.html')
source = BeautifulSoup(url.text, 'html.parser')
product_feed = source.find('div', id_="pageBody")
products = product_feed.find_all('div', class_="product_wrapper")
single_product = products[0]
product_name = single_product.find('div', class_="product_name")
product_name = product_name.a.text
sku = single_product.find('div', class_="product_sku")
sku = sku.text
def get_product_details(product):
product_name = product.find('div', class_="product_name").a.text
sku = single_product.find('div', class_="product_sku").text
return {
"product_name": product_name,
"sku": sku
}
all_products = [get_product_details(product) for product in products]
print(all_products)

我得到的错误消息是：Traceback (most recent call last): File "scrape.py", line 9, in <module> products = product_feed.find_all('div', class_="product_wrapper") AttributeError: 'NoneType' object has no attribute 'find_all'

从我的阅读来看，这是因为它在product_wrapper类中找不到任何东西，但这没有任何意义。

Answer 1

问题是product_feed = source.find('h1', id_="pageBody")正在返回None。我尝试了您的代码，product_feed = source.find_all('h1')只返回 1 个没有 id 信息的项目。

Answer 2

你不需要product_feed，删除它并将下一行更改为：

products = source.find_all('div', class_="product_wrapper")

最后可以验证：print(len(all_products))48

Answer 3

查看网站的源代码，id="pageBody" 的元素是一个div，而不是h1。因此，当您使用source.find时，它会返回None。尝试：

...
product_feed = source.find('div', id_="pageBody")
...