Найдя все <ul>, я хотел бы дополнительно извлечь текст и href. Проблема, с которой я сталкиваюсь особенно в этом фрагменте HTML, заключается в том, что мне нужно больше всего, но не все <li> элементов на странице. Я вижу, что когда я find_all(), мне возвращается объект списка, который не позволяет мне далее перемещаться по нему как объект супа.
Например, в приведенном ниже фрагменте, чтобы в конечном итоге создать словарь {'cityName': 'href',}, я попытался:

city_list = soup.find_all('ul', {'class': ''})
city_dict = {}
for city in city_list:
    city_dict[city.text] = city['href']

Вот пример минимального HTML:

<h4>Alabama</h4>
<ul>
<li><a href="https://auburn.craigslist.org/">auburn</a></li>
<li><a href="https://bham.craigslist.org/">birmingham</a></li>
<li><a href="https://tuscaloosa.craigslist.org/">tuscaloosa</a></li>
</ul>
<h4>Alaska</h4>
<ul>
<li><a href="https://anchorage.craigslist.org/">anchorage / mat-su</a></li>
<li><a href="https://juneau.craigslist.org/">southeast alaska</a></li>
</ul>
<h4>Arizona</h4>
<ul>
<li><a href="https://flagstaff.craigslist.org/">flagstaff / sedona</a></li>
<li><a href="https://yuma.craigslist.org/">yuma</a></li>
</ul>
<ul>
<li><a href="https://www.craigslist.org/about/help/">help</a></li>
<li><a href="https://www.craigslist.org/about/scams">safety</a></li>
<li class="fsel mobile linklike" data-mode="regular">desktop</li>
</ul>

Как я могу, по сути, find_all() сначала ul, а затем найти только li, которые меня интересуют?

0
Jay Jung 28 Авг 2017 в 14:03

3 ответа

Лучший ответ
city_dict = {}
for li in soup.find_all('li'):
    city_name = li.text
    for link in li.find_all('a'):
        city_dict[city_name] = link['href']
0
Jay Jung 29 Авг 2017 в 07:13

Попробуйте это, спасибо мне позже :)

list_items = soup.find_all('ul',{'class':''})
list_of_dicts = []
for item in list_items:
    for i in item.find_all('li'):
        new_dict = {i.text:i.a.get('href')}
        list_of_dicts.append(new_dict)
0
Abhijeetk431 29 Авг 2017 в 08:52

Вероятно, вам нужно что-то вроде этого:

city_dict = {}
for ul in soup.find_all('ul', {'class': ''}):
    state_name = ul.find_previous_sibling('h4').text
    print(state_name)
    for link in ul.find_all('a'):
        print(link['href'])
0
cricket_007 28 Авг 2017 в 11:58