Python在解析无效BeautifulSoup时使用find_next
。
BeautifulSoup是一个Python库，用于从HTML或XML文档中提取数据。它提供了一种简单而灵活的方式来遍历和搜索文档树，使得解析和提取数据变得更加容易。
在使用BeautifulSoup解析HTML或XML文档时，有时可能会遇到无效的标记或结构，这可能导致解析过程中出现错误。为了处理这种情况，可以使用find_next方法。
find_next方法是BeautifulSoup对象的一个方法，用于在当前标签之后查找下一个匹配指定条件的标签。它可以接受多个参数，用于指定标签的名称、属性、文本内容等条件。
使用find_next方法可以避免解析无效BeautifulSoup时出现错误，同时能够继续查找并提取需要的数据。
以下是使用find_next方法的示例代码：
from bs4 import BeautifulSoup
# 假设html是一个无效的BeautifulSoup对象
html = "<html><body><div><p>第一个标签</p><p>第二个标签</p></div></body></html>"
# 创建BeautifulSoup对象
soup = BeautifulSoup(html, 'html.parser')
# 查找第一个<p>标签之后的下一个<p>标签
next_p = soup.find('p').find_next('p')
# 输出下一个<p>标签的文本内容
print(next_p.text)在上面的示例中，我们首先创建了一个无效的BeautifulSoup对象soup，然后使用find方法找到第一个<p>标签。接着使用find_next方法，在第一个<p>标签之后查找下一个<p>标签。最后输出下一个<p>标签的文本内容。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云云数据库 MySQL 版（TencentDB for MySQL）：https://cloud.tencent.com/product/cdb-for-mysql
- 腾讯云人工智能（AI）：https://cloud.tencent.com/product/ai
- 腾讯云物联网（IoT）：https://cloud.tencent.com/product/iotexplorer
- 腾讯云移动开发（移动推送、移动分析、移动测试等）：https://cloud.tencent.com/product/mobile
- 腾讯云区块链（BCS）：https://cloud.tencent.com/product/bcs
- 腾讯云元宇宙（Tencent Cloud Metaverse）：https://cloud.tencent.com/solution/metaverse
相关·内容
7回答
Python BeautifulSoup提取元素之间的文本
python、beautifulsoup
我尝试从下面的HTML中提取"THIS IS MY TEXT“：
<html>
<body>
<table>
<td class="MYCLASS">
<!-- a comment -->
<a hef="xy">Text</a>
<p>something</p>
THIS IS MY TEXT
<p>something else</p>
<
浏览 2提问于2013-05-30得票数 46
3回答
使用BeuatifulSoup提取除其他标签外的div标签的内容
python、beautifulsoup
我有下面的HTML内容，其中div标签看起来像下面 <div class="block">aaa
<p> bbb</p>
<p> ccc</p>
</div> 从上面我想提取文本只作为"aaa“，而不是其他标签的内容。 当我这么做的时候 soup.find('div', {"class": "block"}) 它为我提供了文本形式的所有内容，我希望避免使用p标记的内容。 在BeautifulSoup中有没有方法可以做到这一点？
浏览 35提问于2020-11-17得票数 0
回答已采纳
4回答
利用腾讯云GPU构建深度学习网络？
对象存储、深度学习
如题，本人（学生）想用腾讯云构建一个实验性的深度学习网络，具体要用到腾讯云的哪些服务呢？（GPU，COS），另外还需考虑较低的成本。。。
浏览 1132提问于2017-12-13
2回答
在包含Beautifilsoup的页面中查找特定字符串
python、regex、beautifulsoup
我正在使用bs4，并希望从文档中返回关于在Python函数中构建的特定功能的描述，例如，在这个页面中为abs()返回描述：
将返回以下内容：
abs (x)
返回数字的绝对值。参数可以是普通整数或长整数，也可以是浮点数。如果参数是复数，则返回其大小。
除了<p>元素，以及如何只获取<p>元素及其内部文本之外，我还停留在自己应该寻找的内容上。我知道我可以进行findAll搜索，但我想在不使用页面中的文本的情况下这样做(例如，就好像用户事先不知道文本是什么一样)：
import requests, bs4, re
res = requests.get('
浏览 0提问于2016-01-09得票数 1
回答已采纳
1回答
如何在网站中直接查询数据，而不是等待加载抓取？
python、selenium、web-scraping、beautifulsoup
我正在抓取一个超市的页面，但它包含了JavaScript的一些部分，我必须等待(4秒)，因为网站必须查询一些数据并首先加载它才能完成超文本标记语言。我在Python中使用Beautifulsoup和Selenium来完成这项任务。 from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from bs4 import BeautifulSoup as bs
import time
waiting_time = 4 #seconds
options = Options()
op
浏览 23提问于2021-06-20得票数 1
回答已采纳
3回答
智能联想的使用示例呢？详见API/SDK使用？？ 没有啊，示例代码也没有？
云 API、官方文档
智能联想的使用示例呢？详见API/SDK使用？？ 没有啊，示例代码也没有
标题：智能联想 - 云搜 - 文档首页 - 腾讯云文档平台 - 腾讯云
地址：https://cloud.tencent.com/document/product/270/1201
浏览 425提问于2018-03-13
3回答
如何使用BeautifulSoup查找第一个锚标签的文本
python、beautifulsoup
我有一个这样的HTML结构
<p class="title">
<a href="abc.com">
Story
</a>
<span class="domain">
<a href="xyz.com">comments</a>
</span>
</p>
我想提取第一个锚标签的文本，即Story
下面是我如何使用Beautifulsoup从锚标记中提取文本
soup = BeautifulSoup(htm
浏览 1提问于2016-04-28得票数 1
4回答
数据比较多，有什么好点的存储方案吗？
对象存储、文件存储
贵州地区，给公司做类似企业网盘的东西，存储数据大概在6~7T左右，有没有好点的存储方案呢？我看腾讯云这边有COS、CFS等，我是从网站直接读取数据，推荐那个？有没有什么试用渠道呢？
浏览 965提问于2017-09-15
3回答
如何从嵌套标记的页面中提取文本
python、beautifulsoup
我有我需要提取的链接
名称，联系人，联系我们，从使用regex的联系人中提取电话号码
下面代码成功提取名称，Rest标签是否采用嵌套格式？如何做到这一点
import re
l = ['https://www.aaaindia.org/author/aapl/']
result = []
for link in l:
parser = 'html.parser'
resp = urllib.request.urlopen(link)
soup = BeautifulSoup(res
浏览 0提问于2020-10-10得票数 2
回答已采纳
2回答
如何在没有id或类的情况下从<p>中刮取维基百科文本？
python、web-scraping、beautifulsoup、wikipedia
我正在刮维基百科的文本，但是<p>没有任何类或id：
import requests as r
from bs4 import BeautifulSoup as bs
url=r.get("https://en.wikipedia.org/wiki/Wikipedia#Nupedia")
soup=bs(url.text,'html.parser')
print(soup)
product=soup.find('div',class_="mw-parser-output")
head=product.find(&#
浏览 6提问于2022-05-07得票数 0
2回答
使用漂亮汤查找第三次出现的`<p>`标签
python、html、beautifulsoup
正如标题所示，我试图了解如何找到网站的第三次出现的<p> (例如，我使用了以下网站：)。
使用的答案，我尝试了以下代码
from bs4 import BeautifulSoup
import requests
html = requests.get("http://www.musicmeter.nl/album/31759").text # get HTML from http://www.musicmeter.nl/album/31759
soup = BeautifulSoup(html, 'html5lib')
浏览 0提问于2016-05-10得票数 4
回答已采纳
1回答
使用find()之后，如何从网页中提取下一行
python、beautifulsoup
我正在尝试使用漂亮的汤来提取有关字符的数据。我在寻找“年龄”这个词，然后提取价值，但我似乎无法提取价值。守则是：
<h3 class="pi-data-label pi-secondary-font">Age</h3>
<div class="pi-data-value pi-font">
17 (Arc 1-2)
我想提取17，我该怎么做？
import discord
from discord.ext import commands
import urllib.parse, urllib.request
from
浏览 4提问于2021-06-21得票数 0
回答已采纳
3回答
如何提取带有标签的标签内的文本？
python、beautifulsoup
我想使用beautifulsoup解析html页面。我希望在不删除html标签的情况下提取标签中的文本。例如，示例输入：
<a class="fl" href="https://stackoverflow.com/questio...">
Angular2 <b>Router link not working</b>
</a>
样本输出：
'Angular2 <b>Router link not working</b>'
我试过这样做：
from bs4 import
浏览 10提问于2019-10-11得票数 2
回答已采纳
7回答
怎么导出腾讯云服务器镜像并下载到本地？
导出的镜像，我能在本地环境正常使用么，我想把这个镜像再安装到我本地的电脑上，请问这个操作是都能成功
浏览 14570提问于2020-08-03
1回答
BeautifulSoup find_all()是否保留标记顺序？
python、python-2.7、beautifulsoup
我希望使用BeautifulSoup来解析一些HMTL。我有一张有几排的桌子。我试图找到一个符合特定条件(特定属性值)的行，并在代码中稍后使用该行的索引。
问题是：find_all()是否在它返回的结果集中保留我的行的顺序？
我在上没有找到这个，谷歌只把我带到了
“BeautifulSoup标签不会在页面中跟踪它们的顺序，不。”
但他并没有说他是从哪里得到这些信息的。
我会对一个答案感到满意，但更高兴的是，它指向了一些解释这一点的文档。
编辑: dstudeba为我指明了使用next_sibling的“解决办法”的方向。
from bs4 import BeautifulSoup
so
浏览 2提问于2015-11-11得票数 11
1回答
在Python中从网页中提取文本时如何避免注释
python
我试图只从网页中提取文本，但是我面临着一些问题，比如没有写在网页上的文本，但是它们是用代码编写的，比如：“包含页脚”、"sidebar.php结束“等。另外，我真的不想要的东西也来了。下面是我用于测试用例的链接，即：
1)
2)
3)
(这样我就可以确保我的代码是从任何页面提取文本)
下面是我所面临的问题：
import urllib
from bs4 import BeautifulSoup
url = "http://ai-depot.com/articles/the-easy-way-to-extract-useful-text-from-arbitrary-htm
浏览 3提问于2015-03-21得票数 0
2回答
从美丽汤中提取特定数据输出
python、beautifulsoup
我在用这个脚本。它提供了我想要的数据，然而，我所需要的是“更新日期”部分。试图摆脱后面的文字。
# import library
from bs4 import BeautifulSoup
import requests
# Request to website and download HTML contents
url='https://data.ed.gov/dataset/college-scorecard-all-data-files-through-6-2020/resources'
req=requests.get(url)
content=req.text
s
浏览 0提问于2021-07-08得票数 1
回答已采纳
3回答
如何使用Python从HTML段落中提取描述
python、selenium、beautifulsoup、python-requests、webdriver
我想从HTML源中提取HTML段落。但是它同时获得了颜色和id的数据。
import requests
from bs4 import BeautifulSoup
url = "https://www.nike.com/gb/t/air-max-viva-shoe-ZQTSV8/DB5268-003"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'lxml')
description = soup.find(
'div', {'class
浏览 0提问于2021-03-02得票数 0
请描述您的问题
标题：存储桶概述 - 对象存储 - 产品文档 - 帮助与文档 - 腾讯云
地址：https://cloud.tencent.com/document/product/436/6244
浏览 981提问于2018-01-31
1回答
漂亮的汤在特定的<li>标签之后得到所有的<br>标签
python、html、web-scraping、beautifulsoup
我试图将所有产品的所有关键成分都列在一个类别中，显示了产品成分是如何列出的，正如您在下面的页面源代码截图中看到的那样，所有的成分都在br标记之后，并带有“关键成分”：下面是我的代码，我可以得到所有的文本，但是我如何获得所有的
标签就在“关键成分：”之后
标签。
预期产出：
棕榈酸甘油酯钠棕榈酸香豆素香豆油香豆素香豆素水杨酸苄酯柠檬酸酯
代码：
从os.path导入basename从bs4导入BeautifulSoup baseurl = "“标头={‘用户-代理’：'Mozilla/5.0 (WindowsNT10.0；Win64；( x64) AppleWebKit/53
浏览 4提问于2022-01-30得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
