beautifulsoup 解析 - 处理上标？

Question

这是我要从中提取信息的 HTML 片段：

<td class="yfnc_tablehead1" width="74%">Market Cap (intraday)<font size="-1"><sup>5</sup></font>:</td><td class="yfnc_tabledata1"><span id="yfs_j10_aal">33.57B</span></td></tr>

网页上的样子：

Market Cap (intraday)⁵:33.57B

我有什么（不起作用）：

    HTML_MarketCap = soup.find('sup', text='5').find_next_sibling('span').text

如何提取 33.57B 字符串？

Answer 1

跨度不是兄弟姐妹，它是 ~~child 祖父母~~ 堂兄妹的兄弟姐妹，一旦删除（感谢，1.618）。

from bs4 import BeautifulSoup as bs
soup = bs("""<td class="yfnc_tablehead1" width="74%">Market Cap (intraday)
<font size="-1"><sup>5</sup></font>:</td><td class="yfnc_tabledata1">
<span id="yfs_j10_aal">33.57B</span></td></tr>""")

soup.find("sup", text="5").parent.parent.find_next_sibling("td").find("span").text
# u'33.57B'

既然你似乎有问题，这是我的完整测试脚本（使用 python-requests），它对我来说很可靠：

import requests
from bs4 import BeautifulSoup as bs

url = "https://finance.yahoo.com/q/ks?s=AAL+Key+Statistics"

r = requests.get(url)

soup = bs(r.text)

HTML_MarketCap = soup.find("sup", text="5").parent.parent.find_next_sibling("td").find("span").text

print HTML_MarketCap

Answer 2

或者，您可以在找到 <sup>5</sup> 元素后简单地使用 find_next()，如下所示：

from bs4 import BeautifulSoup

s = '''<td class="yfnc_tablehead1" width="74%">Market Cap (intraday)<font size="-1"><sup>5</sup></font>:</td><td class="yfnc_tabledata1"><span id="yfs_j10_aal">33.57B</span></td></tr>'''

soup  =BeautifulSoup(s)

sup = soup.find('sup', text='5')

sup.find_next('span')
Out[5]: <span id="yfs_j10_aal">33.57B</span>

sup.find_next('span').text
Out[6]: u'33.57B'


>>>help(sup.find_next)

Help on method find_next in module bs4.element:

find_next(self, name=None, attrs={}, text=None, **kwargs) method of bs4.element.Tag instance Returns the first item that matches the given criteria and appears after this Tag in the document.

beautifulsoup 解析 - 处理上标？

beautifulsoup parsing - dealing with superscript?

html

python

beautifulsoup