如何从漂亮的汤 class 标签中获取实际文本？

Question

Python版本：3.8
bs4 库

我有以下 HTML，代表我抓取的大约 20 多条评论中的 2 条。由于 space，我没有在此处包括其余部分，但您可以想象这些块不断重复。

我需要从每条评论中检索“sml-rank-stars sml-str40 star”（如此处第二行所示）。

<div class="review-rank">
<span class="sml-rank-stars sml-str40 star"></span>
<span class="score">
<span class="item">
                                                        口味：3.5
                                                    </span>
<span class="item">
                                                        环境：4.0
                                                    </span>
<span class="item">
                                                        服务：3.5
                                                    </span>
<span class="item">人均：200元</span>
</span>
</div>
<div class="review-rank">
<span class="sml-rank-stars sml-str35 star"></span>
<span class="score">
<span class="item">
                                                        口味：3.0
                                                    </span>
<span class="item">
                                                        环境：4.5
                                                    </span>
<span class="item">
                                                        服务：3.0
                                                    </span>
</span>
</div>

这是我目前尝试过的方法：

for review in review_items.find_all('div', class_='main-review'):
    review_rank = review.find('div', class_='review-rank')

    star_rank = []
    for review in review_rank.find_all('span')[:1]:
        star_rank.append(review.get('class'))

print(star_rank)

我得到结果输出：

[['sml-rank-stars', 'sml-str5', 'star']]

然后我可以使用此代码仅获取号码：

star_rank[0][1][7:]

输出：

'5'

问题是我只收到其中一条评论，我列表中存储的每条评论都需要这一行。

我想要的输出是这样的，或者我可以迭代以获得每条评论的星数：

[['sml-rank-stars', 'sml-str40', 'star'],
['sml-rank-stars', 'sml-str35', 'star'],
['sml-rank-stars', 'sml-str50', 'star'],
['sml-rank-stars', 'sml-str40', 'star'],
['sml-rank-stars', 'sml-str40', 'star'],
['sml-rank-stars', 'sml-str50', 'star'],
['sml-rank-stars', 'sml-str50', 'star'],
['sml-rank-stars', 'sml-str45', 'star'],
['sml-rank-stars', 'sml-str10', 'star'],
['sml-rank-stars', 'sml-str35', 'star'],
['sml-rank-stars', 'sml-str45', 'star'],
['sml-rank-stars', 'sml-str40', 'star'],
['sml-rank-stars', 'sml-str45', 'star'],
['sml-rank-stars', 'sml-str10', 'star'],
['sml-rank-stars', 'sml-str5', 'star']]

我已经想出如何使用以下代码打印出这样的结果，但我需要将它保存到列表或其他我可以迭代的东西中。

for review in review_items.find_all('div', class_='main-review'):
    review_rank = review.find('div', class_='review-rank')

    for review in review_rank.find_all('span')[:1]:
        print(review.get('class'))

输出：

['sml-rank-stars', 'sml-str40', 'star']
['sml-rank-stars', 'sml-str35', 'star']
['sml-rank-stars', 'sml-str50', 'star']
['sml-rank-stars', 'sml-str40', 'star']
['sml-rank-stars', 'sml-str40', 'star']
['sml-rank-stars', 'sml-str50', 'star']
['sml-rank-stars', 'sml-str50', 'star']
['sml-rank-stars', 'sml-str45', 'star']
['sml-rank-stars', 'sml-str10', 'star']
['sml-rank-stars', 'sml-str35', 'star']
['sml-rank-stars', 'sml-str45', 'star']
['sml-rank-stars', 'sml-str40', 'star']
['sml-rank-stars', 'sml-str45', 'star']
['sml-rank-stars', 'sml-str10', 'star']
['sml-rank-stars', 'sml-str5', 'star']

Answer 1

遍历所有 .review-rank select - 要获得排名，仅使用列表理解：

star_rank = []
for r in soup.select('.review-rank'):
    star_rank.append([s.replace('sml-str','') for s in r.span['class'] if 'sml-str' in s][0])

或者像你的例子一样，不知道上面的一般结构是什么 review_items 如果只有一个或多个：

star_rank = []
for review in review_items.find_all('div', class_='main-review'):
    for review in review.find_all('div', class_='review-rank'):
        star_rank.append([s.replace('sml-str','') for s in review.span['class'] if 'sml-str' in s][0])

输出

['40', '35']

如何从漂亮的汤 class 标签中获取实际文本？

How can I get the actual text from a beautiful soup class tag?

html

python

beautifulsoup

web-crawler

web-scraping

输出