使用Beautiful Soup-Python提取嵌套在多个标记中的文本



我想从下面的html中提取Beautiful Soup的文本"12:25 AM-30 Mar 2015"。这就是html在被BS:处理后的样子

<span class="u-floatLeft"> · </span>
<span class="u-floatLeft">
<a class="ProfileTweet-timestamp js-permalink js-nav js-tooltip" href="/TBantl/status/582333634931126272" title="5:08 PM - 29 Mar 2015">
<span class="js-short-timestamp " data-aria-label-part="last" data-long-form="true" data-time="1427674132">
Mar 29
  </span>

我有这个代码,但它不起作用:

date = soup.find("a",attrs={"class":"ProfileTweet-timestamp js-permalink js-nav js-tooltip"})["title"]

这对我有效:

from bs4 import BeautifulSoup
html = """<span class="u-floatLeft">&nbsp;·&nbsp;</span>
          <span class="u-floatLeft">
          <a class="ProfileTweet-timestamp js-permalink js-nav js-tooltip" href="/indoz1/status/582443448927543296" title="12:25 AM - 30 Mar 2015">
          <span class="js-short-timestamp " data-aria-label-part="last" data-time="1427700314" data-long-form="true">
       """
soup = BeautifulSoup(html)
date = soup.find("a", attrs={"class": "ProfileTweet-timestamp js-permalink js-nav js-tooltip"})["title"]
>>> print(date)
'12:25 AM - 30 Mar 2015'

如果没有更多信息,我怀疑您没有将HTML片段转换为BeautifulSoup对象。在这种情况下,您会得到一个TypeError: find() takes no keyword arguments

或者,正如alexce在上面的评论中指出的那样,您正在查找的项实际上可能不存在于您正在解析的HTML中。在这种情况下,date将为空。


最后,与上述问题完全无关-如果要将date解析为datetime对象,有一种更简单的方法。只需从<span class="js-short-timestamp " ... >中获取"data-time"字段,并使用datetime.datetime.fromtimestamp:进行解析

from datetime import datetime as dt
# get "data-time" field value as string named timestamp
data_time = dt.fromtimestamp(int(timestamp))
>>> print(data_time)
datetime.datetime(2015, 3, 30, 3, 25, 14)

最新更新