我正在试图找到被传递的H1标签的图像。标记可以是在线杂志()上的任何一篇文章。这意味着我不能依赖特定的容器等等。
我最初的想法是找到H1标签的字符位置并找到图像。这将让我确定他们相对于H1标签的位置。除非我遗漏了一些东西,否则我找不到一种方法来获得美丽汤中查找元素的字符位置。
无论使用什么方法来解析html,它都必须使用格式错误的语法。
示例:
<html>
<p>some text</p>
<img src="#" alt="I don't care about this image"/>
如何获得带有漂亮汤的html标记的内容?例如,<title>标签的内容?
我试过:
from bs4 import BeautifulSoup
url ='http://www.websiteaddress.com'
soup = BeautifulSoup(url)
result = soup.findAll('title')
for each in result:
print(each.get_text())
但什么都没发生。我在用python3。
我想从当地一家电影院的网站上刮点东西,当某部电影在运行时,我会一直拍下去。
我找到了一张表格,其中列出了如下形式的时间:
[<time datetime="2020-01-31T21:15:00+01:00">21:15</time>].
如果我用漂亮汤作为x.find_all(“时间”)。我得到了上面所示的所有时间。但我只想要“日期时间”,所以在本例中,2020-01-31T21: 15: 00 + 01: 00。现在当我搜索x.find_all(‘time’)‘日期时间’时,我得到以下错误:
TypeError: list indices must
我想在强标签中选择文本,但是没有div在下面.
是否有可能直接用汤汁做这件事?
我对选择的尝试(不起作用,在强标记中选择完整的内容):
Elements selection = htmlDocument.select("strong").select("*:not(.dontwantthatclass)");
HTML:
<strong>
I want that text
<div class="dontwantthatclass">
</div>
</strong>
我试图得到整个标签,其中有最大数量的单词匹配在给定的单词列表!ie ex:考虑html :
<div id="productTitle" class="a-size-large">Hello world, good morning, have a happy day</div> <div id="productTitle2" class="a-size-large">Hello people of this planet!.</div>
考虑使用j汤lib :的java代码。