的 「。」 在頁面不是「點」。這是一個unicode字符BULLET(\ u2022)。
你可以使用python的regex(re)模塊來實現這一點。
更新的代碼會是這個樣子:
import re
cityURL='https://en.wikipedia.org/wiki/Elko,_Nevada'
def createObj(url):
html = urlopen(url)
bsObj = BeautifulSoup(html, 'lxml')
return bsObj
bsObj1 = createObj(cityURL)
table1 = bsObj1.find("table", {"class":"infobox geography vcard"})
incorporated = table1.find("th", text='Incorporated (city)').findNext('td').get_text()
pattern = re.compile(r'Total')
table1.find("th", text=pattern)
或者,你可以使用lxml的模塊,它是很多比beautifulsoup快。
import requests
from lxml import html
cityURL='https://en.wikipedia.org/wiki/Elko,_Nevada'
r = requests.get(cityURL)
root = html.fromstring(r.content)
def normalize(text) :
return ''.join([i if ord(i) < 128 else ' ' for i in text]).strip().split()[0]
val_list = [(normalize(root.xpath('//table[@class="infobox geography vcard"]//tr[./th/text()="Area"]/following-sibling::tr[{}]//text()'.format(str(val)))[1]), normalize(root.xpath('//table[@class="infobox geography vcard"]//tr[./th/text()="Area"]/following-sibling::tr[{}]//text()'.format(str(val)))[3])) for val in xrange(1,4)]
print(val_list)
上面的代碼將輸出:
[(u'Total', u'17.6'), (u'Land', u'17.6'), (u'Water', u'0.0')]
所接受的答案,如果它的工作對你作爲可以幫助別人了。謝謝。 –