美丽的汤解析多个标签

Question

我正在为我的学校评分系统处理数据，并试图弄清楚如何按类别提取数据。这是原始 HTML：https ://pastebin.com/icbaemd7现在，我编写了一个 Python 脚本：html = driver.page_sourcesoup = BeautifulSoup(html, 'html.parser')chemData = ((soup.find_all('td')))content = []print chemDataprint ""for i in chemData:    content.append(i.getText().split('</td')[0])for k in content:    print (k)返回此结果：Safety Contract Signed1/18/13/2019Student Profile Sheet Turned In1/18/13/2019Polyatomic Ion Quiz10/108/19/2019HW Quiz Ch. 3 Target 63/38/27/2019HW Quiz (Ch. 3 Targets 1-6)12/168/28/2019Chapters 1 & 2 Formative Quiz15/178/21/2019Chapter 3 Formative Quiz23.5/259/5/2019Lab Report: Antifreeze Lab10/108/21/2019Types of Reactions Lab Report11/128/23/2019Hydrate Lab Report10/108/29/2019Lab Assessment - Types of Reactions Lab10/158/26/2019Lab Assessment: Hydrate Lab10/109/3/2019但是，我想将这些分类到 HTML 中存在的类别中。h3如果我使用而不是运行相同的脚本td，我会得到它们：HomeworkFormative QuizzesLab ReportsLab Assessments所以我的问题是：如何让它自动将实际作业分类到相应的类别中？任何帮助将不胜感激。谢谢！

Answer 1

尝试以下类似的方法，您可以在其中测试 h3 并制作字典键，否则从当前 dict[key] 下的行中添加值

from bs4 import BeautifulSoup as bs

html = '''yourHTML'''

soup = bs(html, 'lxml')

results = {}

for i in soup.select('h3, tr'):

    if i.name == 'h3':

        header = i.text

        results[header] = []

    else:

        results[header].append(' '.join([n.text for n in i.select('td')]))

print(results)

Answer 2

您的 html 无法正确呈现。然而，作为快速解决方案，查找包含 h3 标记和每个类别的表的父容器，并首先抓取父容器。例如，让我们假设 h3 标签和表格在一个 div 下。然后先刮掉div 标签，即 d = soup.findall('div')。然后通过 d 进一步循环以提取 h3 标签，然后是 tr/td。前任。d[0].findall('h3') d[0].findall('td') 等等..