如何使用python获取<li>和<span>标记中的每个值

Question

我正在尝试从站点https://www.cellartracker.com/m/wines/12344中删除一些数据。我不明白如何获取每个不属于tag中的类的值。以下是我要查找的网站代码：

<ul class="twin-set-list">
        <li><span>Vintage</span> 2000</li>
        <li><span>Type</span> Red</li>
        <li><span>Producer</span> Balnaves of Coonawarra</li>
        <li><span>Varietal</span> Cabernet Sauvignon</li>
        <li><span>Designation</span> The Tally Reserve</li>
        <li><span>Vineyard</span> n/a</li>
        <li><span>Country</span> Australia</li>
        <li><span>Region</span> South Australia</li>
        <li><span>SubRegion</span> Limestone Coast</li>
        <li><span>Appellation</span> Coonawarra</li>
    </ul>

像2000，Red这样的值没有任何类，所以我可以用什么方法来获取数据。我在python中尝试了以下代码（下面只给出了html部分）：

^{pr2}$

有人能告诉我如何提取这些数据吗？在

Answer 1

您可以迭代bs4对象的contents属性：

from bs4 import BeautifulSoup as soup
d = [[getattr(c, 'text', c).strip() for c in i] for i in soup(html, 'html.parser').find_all('li')]

输出：

^{pr2}$

Answer 2

也许你可以试试这个：

for li_tag in soup.find_all('ul', {'class':'twin-set-list'}):
for span_tag in li_tag.find_all('li'):
    field = span_tag.find('span').text
    value = span_tag.text
    value = value[len(field)+1:]
    need[field] = value

以防万一，若“value”中有相同的字段，不要替换它，而是使用substring。在

Answer 3

您可以通过以下方式替换代码：

field = span_tag.find('span').text 
value = span_tag.text.replace(field,'')

它不是很干净，但它可以与您的代码一起工作。在