如何使用python抓取获取<li>内部</br>标记内的数据
如何使用python抓取获取<li>内部</br>标记内的数据
提问于 2017-09-04 04:34:29
<div class="row features_2 "><br />
<ul>
<li><b>Área privada:</b><br />
70,00 m²
</li>
<!--area-->
<li><b>Área Const.:</b><br />
70,00 m²
</li>
<!--precio metro cuadrado-->
<li><b>Precio m²:</b><br />
3.142.857/m²
</li>
<!--Valor noche si es alquiler vacacional-->
<!--precio de administracion -->
<li><b>Admón:</b><br />
$150,000</li>
<!--Estrato si aplica-->
<li><b>Estrato:</b> <br />
3
<!--Estado si aplica-->
<li><b>Estado:</b> <br />
Excelente
</li>
<!--edad si aplica-->
<li><b>Antigüedad:</b> <br />
1 a 8 años</li>
<!--piso #-->
<!--Clima-->
<!--tipo de apartamento si aplica-->
<!--para parqueaderos-->
<!--caracteristicas parqueadero-->
<!--Sector (siempre va)-->
<li><b>Sector:</b> <br />
<a href="#pnlMap" style="font-weight: bold;">Ver Mapa</a>
</li>
</ul>从上面我想得到标签中的值，但是我在将值保存到单独的列表时遇到了麻烦。
我想根据自身内部的数据来保存这些值。
例如，如果标签包含‘αrea privada:'，那么我必须将值'70,00 m²’保存到list name area中
否则，如果标签包含'Precio m²:‘，那么我必须将值3.142.857/m²保存到名为Precio的列表中
我尝试了下面的代码来获取元素，但不确定如何根据上面的条件编写条件将数据保存到列表中。
import requests
from bs4 import BeautifulSoup
page = requests.get('https://www.fincaraiz.com.co/oceana-52/barranquilla/proyecto-nuevo-det-1041165.aspx')
soup = BeautifulSoup(page.content, 'lxml')
box_3 = soup.find('div' ,'row features_2 ')
box_3_1 = box_3.findAll('li')
for i in box_3_1:
print (i)否则，是否有其他选项可以将上述标记中的数据保存到相应的列表中。
回答 1
Stack Overflow用户
发布于 2017-09-04 05:22:46
使用<br>的next_sibling属性
for li in box_3_1:
print(str(li.br.next_sibling).strip())输出：
71,00 a 185,00 m²
78,00 a 207,00 m²
5
CálidoOP想要在不同的列表中存储“αrea”和"Precio“数据。假设这两个字符串永远不会出现在同一个<li>标题中，这里有一个完整的解决方案：
area = []
precio = []
for li in box_3_1:
heading_words = li.b.text.split()
target_content = str(li.br.next_sibling).strip()
if "Área" in heading_words:
area.append(target_content)
elif "Precio" in heading_words:
precio.append(target_content)对于更一般的解决方案，可以考虑创建一个关键标题术语列表，然后将所有输出存储在一个字典中。例如：
import re
key_terms = ["Área", "Precio", "Estrato"]
data = {k:[] for k in key_terms}
for li in box_3_1:
heading = li.b.text
target_content = str(li.br.next_sibling).strip()
for term in key_terms:
# Headers like "Estrato:" do not match on split() due to end ":"; use re instead.
if re.search(term, heading):
data[term].append(target_content)
data
{'Estrato': ['5'],
'Precio': [],
'Área': ['71,00 a 185,00 m²', '78,00 a 207,00 m²']}页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/46027604
复制相关文章
相似问题
腾讯云开发者
