問題描述

新手寫二手車網(wǎng)站爬蟲，爬賣價(jià)和原價(jià)，原價(jià)以<s>刪除線形式放在<p class='priType-s'>下。但是遇到?jīng)]有標(biāo)記原價(jià)，也就是并沒有<s>標(biāo)簽的情況下，會(huì)自動(dòng)把下一個(gè)<s>內(nèi)的信息寫入上一條占位。試了用if len()判斷，但是毫無效果。。請(qǐng)問這種情況應(yīng)當(dāng)如何解決，把沒有<s>標(biāo)簽的情況正確提取出來，用“”或“nodata”顯示？

網(wǎng)頁源代碼如下，同時(shí)包含原價(jià)與賣價(jià)的：

<p class='priType-s'> <em class='tag-red'>急售</em> <em class='tag-yellow'>超值</em><span> <i class='fc-org priType'> 8.40萬</i></span> <s>17.36萬</s></p>

沒有原價(jià)標(biāo)簽的：<p class='priType-s'>

<span><i class='fc-org priType'> 3.70萬</i> </span></p>

代碼如下，

import requestsfrom bs4 import BeautifulSoup

def GetInfo(url):

res=requests.get(url).textsoup=BeautifulSoup(res,’html.parser’)names=soup.select(’p.list > ul > li > p > p.infoBox > a’)years=soup.select(’p.list > ul > li > p > p.fc-gray’)prices0=soup.select(’p.list > ul > li > p > p.priType-s > s’)prices1=soup.select(’p.list > ul > li > p > p.priType-s > span > i’)for name,year,price0,price1 in zip(names,years,prices0,prices1): data={’name’:name.get_text(),’year’:year.get_text().strip().replace(’|’,’’).replace(’ ’,’’),’price0’:price0.get_text(),’price1’:price1.get_text().strip() }print(data)return(data)

def Pages():

pageurl=’https://www.guazi.com/sh/buy/o{}/’urls=[pageurl.format(str(i)) for i in range(1,11,1)]for url in urls: GetInfo(url)

Pages()

問題解答

大體思路就是 多加選擇器，讓它為空，然后你做判斷

prices0=soup.select(’p.list > ul > li > p > p.priType-s > span> i’)prices1=soup.select(’p.list > ul > li > p > p.priType-s > span + s’)

試試看。如果再不行就把整段給你拿下來用 regex 來提取

試試這個(gè)思路：1.每一個(gè)二手車會(huì)有一個(gè)塊來顯示，<p>..</p>之類的2.在每一個(gè)塊當(dāng)中，再來進(jìn)行原價(jià)，現(xiàn)價(jià)的抓取這樣就不會(huì)因一個(gè)二手車沒有原價(jià)而把下一個(gè)價(jià)位填充到上一個(gè)車的原價(jià)上