python爬數(shù)據(jù)，得到一個列表，但怎樣去掉里面的span標簽?zāi)兀?/h1>

瀏覽：93日期：2022-07-11 09:18:11

問題描述

用p6ython3.6爬下了部分數(shù)據(jù)，但是最后顯示的是含span標簽的列表，當(dāng)我用get_text、contents等方法，就會報錯。這是為什么呢？最開始返回的結(jié)果如下：

[<span>2017.5.2</span>][<span>2017.4.26</span>][<span>2017.4.24</span>][<span>2017.4.19</span>][<span>2017.3.23</span>][<span>2017.3.17</span>][<span>2017.2.14</span>][<span>2017.2.9</span>][<span>2017.2.6</span>][<span>2017.2.6</span>]

我的代碼如下：

import requestsfrom bs4 import BeautifulSoupimport re# def url_list():# for number in range(1,21):# url_links=[]# url='X'.format(i=number)# url_links.append(url)h={'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.81 Safari/537.36'}r=requests.get('url',headers=h)soup=BeautifulSoup(r.text,’lxml’)for data in soup.find('p',{'class':'list-main-eventset-finan'}).find_all('li'): content=data.find('i',{'class':'cell date'}).find_all('span') print(time)

問題解答

回答1：

bs的API記得不是很清楚了，應(yīng)該是有可以直接獲取文本的函數(shù)的,應(yīng)該是get_text()這個函數(shù)吧。由于你用的是find_all(),那么需要再在返回的結(jié)果下做一次遍歷，就是這樣

rs = list()for data in soup.find('p',{'class':'list-main-eventset-finan'}).find_all('li'): contents=data.find('i',{'class':'cell date'}).find_all('span') for content in contents:rs.append(content.get_text())

此外，也可以使用正則表達式來匹配，直接匹配<span>(.*?)<這個pattern。但是也得像上面那樣遍歷這個contens列表才行。

回答2：

題主可以試試 text_content() 方法

回答3：

正則表達式或者split+SUBSTRING也可以，靈活著用

標簽： Python 編程

上一條：python讀取一個文檔中的內(nèi)容并提取處理下一條：python - 請教如何爬取簡書某一時間段發(fā)帖。