Блог

Я использую следующий код для циклического просмотра каждой строки и столбца таблицы html

 data = []
table = page.find('table', attrs={'class':'table table-no-border table-hover table-striped keyword_result_table'})
table_body = table.find('tbody')

rows = table_body.find_all('tr')
for row in rows:
    cols = row.find_all('td')
    cols = [ele.text.strip() for ele in cols]
    data.append([ele for ele in cols if ele]) # Get rid of empty values
 

Этот столбец таблицы дает мне несколько

     <td class="keyword">
     <span class="is_in_saved_list" id="is_in_saved_list_81864060">
     </span>
     <a href="javascript:void(0);">
      <b>
       what
      </b>
      <b>
       is
      </b>
      <b>
       in
      </b>
      <b>
       house
      </b>
      <b>
       paint
      </b>
     </a>
    </td>
 

Результат получается в виде

[‘что такое nnn n вn nn домеn nn краска’, ‘5756’, ‘979’, ‘2’, ‘Отлично», «89», «.comn nn .netn nn .org»]

На консоли и на экране приглашения здесь, похоже, есть пробелы для вкладок, но они не отображаются в сообщении. Я попробовал .rstrip() после strip (), но без изменений. Есть ли способ захватить только текстовое содержимое, к которому прикреплена ссылка?

Вы можете использовать .stripped_strings , чтобы получить текст без пробелов/вкладок.

Вот код:

 import bs4 as bs

s = """
 <td class="keyword">
     <span class="is_in_saved_list" id="is_in_saved_list_81864060">
     </span>
     <a href="javascript:void(0);">
      <b>
       what
      </b>
      <b>
       is
      </b>
      <b>
       in
      </b>
      <b>
       house
      </b>
      <b>
       paint
      </b>
     </a>
    </td>
    """
soup = bs.BeautifulSoup(s, 'lxml')
t = soup.find('td')
print(list(t.stripped_strings))
 

 ['what', 'is', 'in', 'house', 'paint']
 

Вы пробовали удалить ‘n’ из строк?

 s = 'whatn nn isn nn inn nn housen nn paint'
s.replace('n', '')
'what  is  in  house  paint'
 

Вы можете захватить текст ссылки, используя .find('a').text напрямую. Затем простым split join удалите все пробелы и n.

 from bs4 import BeautifulSoup

html_doc = """
    <td class="keyword">
     <span class="is_in_saved_list" id="is_in_saved_list_81864060">
     </span>
     <a href="javascript:void(0);">
      <b>
       what
      </b>
      <b>
       is
      </b>
      <b>
       in
      </b>
      <b>
       house
      </b>
      <b>
       paint
      </b>
     </a>
    </td>
"""

soup = BeautifulSoup(html_doc, 'html.parser')
link_text = soup.find('a').text

cleaned_link_text = " ".join(link_text.split())
print(cleaned_link_text)
# what is in house paint