BeautifulSoup中 .string与.text的一点区别

今天用BeautifulSoup解析页面时遇到了.string返回None的问题,待解析的源码如下:
< a

class =“bets-name” href="/stock/sh601766.html" >

中国中车( < span > 601766 < / span >)
< / a >

使用如下代码来获得tag中的字符串:
soup = BeautifulSoup(html, ‘html.parser’)
name = soup.find_all(‘a’, attrs={‘class’: ‘bets-name’})[0].string
这段代码来获得字符串时,返回的是None,不解,于是去查了BeautifulSoup的官方文档,发现.string方法在tag包含多个子节点时,tag无法确定.string方法应该调用哪个子节点的内容,所以输出None。
那么如何获得包含在tag中的字符串呢?方法如下:
soup = BeautifulSoup(html, ‘html.parser’)
name = soup.find_all(‘a’,attrs={‘class’: ‘bets-name’})[0].text
这样就可以得到字符串 ’ 中国中车(601766) '。不过这其中包含很多空格,只需用split方法处理即可,不再赘述。

这条语句 `tree = lxml.html.fromstring(resp.text)` 报错可能有多种原因,具体解决方法取决于错误类型。以下是一些常见的错误及其解决方法: 1. **缺少 `lxml` 库**: - **解决方法**:安装 `lxml` 库。可以使用以下命令安装: ```bash pip install lxml ``` 2. **`resp.text` 为空或格式不正确**: - **错误信息**:`ValueError: No closing quotation` - **解决方法**:确保 `resp.text` 包含有效的 HTML 内容。可以在调用 `fromstring` 之前打印 `resp.text` 进行检查: ```python print(resp.text) ``` 3. **编码问题**: - **错误信息**:`UnicodeDecodeError: 'utf-8' codec can't decode byte` - **解决方法**:尝试指定正确的编码方式。例如,如果内容是 `gbk` 编码,可以这样处理: ```python tree = lxml.html.fromstring(resp.content.decode('gbk')) ``` 4. **网络请求失败**: - **错误信息**:`ConnectionError` 或其他网络相关错误 - **解决方法**:确保网络连接正常,并且目标网站可以访问。可以在代码中添加异常处理: ```python try: resp = requests.get(url) resp.raise_for_status() tree = lxml.html.fromstring(resp.text) except requests.exceptions.RequestException as e: print(f"请求失败: {e}") ``` 5. **HTML 结构不正确**: - **错误信息**:解析错误,提示 HTML 结构不正确 - **解决方法**:使用 `lxml` 的容错能力,或者使用 `BeautifulSoup` 进行预处理: ```python from bs4 import BeautifulSoup soup = BeautifulSoup(resp.text, 'html.parser') tree = lxml.html.fromstring(str(soup)) ``` 通过以上方法,可以逐步排查并解决 `tree = lxml.html.fromstring(resp.text)` 报错的问题。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值