使用BeautifulSoup和Python取消特定的'dd'标记

Question

我在学习美素，我遇到了一个难题。这就是取消html中的dd标记。查看下面的图片，我想得到红色区域的参数。问题是我不知道如何访问它们。我试过这个：

    kvadratura = float(nek_html.find('span', class_='d-inline-block mt-auto').text.split(' ')[0])
    jedinica_mere = nek_html.find('span', class_='d-inline-block mt-auto').text.split(' ')[1].strip()
...

但问题是，有时不同的页面有不同的参数，或不同的参数顺序，所以我不能访问索引。查看链接：

https://www.nekretnine.rs/stambeni-objekti/stanovi/centar-zmaj-jovina-salonac-id1003/NkmUEzjEFo0/

https://www.nekretnine.rs/stambeni-objekti/stanovi/prodajemo-stan-milica-od-macve-mirijevo-46m2-nov/NkNruPymNHy/

我怎样才能确定我将总是废弃我想要的参数？ 每个参数随后进入列表，因此如果某个参数现在确实存在，它应该将''添加到列表中

Answer 1

在这种情况下，您可能希望这样做，而不是使用索引，因为后者可能会导致错误的dd。当您使用以下方法时，您所需要做的就是替换:contains('')中的文本以获得它们的dd，如Transakcija、Vrsta stana等

import requests
from bs4 import BeautifulSoup

url = "https://www.nekretnine.rs/stambeni-objekti/stanovi/centar-zmaj-jovina-salonac-id1003/NkmUEzjEFo0/"

res = requests.get(url)
soup = BeautifulSoup(res.text,"lxml")
Kategorija = soup.select_one(".base-inf .dl-horozontal:has(:contains('Kategorija:')) > dd")
Kategorija = Kategorija.get_text(strip=True) if Kategorija else ""
print(Kategorija)