用漂亮的汤刮书页

Question

我有两个稍微不同的url：https://www.booli.se/annons/2278076，https://www.booli.se/bostad/507292

第一页和第二页的区别：第二页没有Utropspris（估计价格）。你知道吗

在第一个链接中，我将使用以下代码获得估计价格（Utropspris）：

in[1]= soup.findAll('span', class_='property__base-info__value')[1].text.strip() 
out[1]= u'3 800 000 kr\n\t\t\t64 407 kr/m\xb2'

然而，在第二个链接使用相同的代码我用上面我会得到费用（Avgift）

in[2]= soup.findAll('span', class_='property__base-info__value')[1].text.strip() 
out[2]= u'4 425 kr/m\xe5n'

如何告诉我的代码，在第二个链接中，当我使用相同的代码时，这不再是估计价格（Utropspris）。这是费用（avgift），另存为费用，并为估计价格写NA。这是我代码的一部分，可能会有所帮助。你知道吗

url=https://www.booli.se/bostad/507292
import requests
from bs4 import BeautifulSoup
request = requests.get(url)
soup = BeautifulSoup(request.text,'lxml')
soup.findAll('span', class_='property__base-info__value')[1].text.strip()

Answer 1

你可以找到它们之间的区别。数据之前还有一个跨度。你知道吗

 <span class="property__base-info__unit">Utropspris</span>

如您所见，您也可以废弃此元素。如果span content为Utropspris，则表示数据为Utropspris，否则表示Avgit。你知道吗

Answer 2

其中一个想法是还可以刮除与值相关联的标记。正如我在站点中看到的，包含信息的每一行都被放入一个带有class="property__base-info__item"的li项中。你知道吗

因此，在第一个链接中，您有一个带有class="property__base-info__unit"的span，它的文本值是“Utropspris”，还有一个带有property__base-info__value的span，它是您已经获得的值。你知道吗

你可以这样做：

elements = soup.findAll('li', class_='property__base-info__item')
pairs = {}
for element in elements:
   tag = element.find('span', class_='property__base-info__unit').text
   value = element.find('span', class_='property__base-info__value').text
   pairs[tag] = value

我还没有单独测试代码，但是我的想法是遍历项目列表，并获得标记和标记值。然后，您可以将这些对保存在字典中，并以您喜欢的方式相应地处理案例。你知道吗