Python爬虫如何爬取span和span中间的内容并分别存入字典里？

问题描述

我想把房屋概况分别抓出来并分别作为独立的列存储进字典里，但是行内元素没有办法直接用for循环抠出来。这是我的代码：

soup.select(’.house-info li’)[1].text.strip()

这是网页html代码：

<li><span class='info-tit'>房屋概况：</span>住宅<span class='splitline'>|</span>1室1厅1卫<span class='splitline'>|</span><span>46m²</span><span class='splitline'>|</span> (高层)/共18层<span class='splitline'>|</span>南北<span class='splitline'>|</span> 豪华装修 </li>

问题解答

其实还是很有简单的，你看这个还是有规律的，规律在于有分隔符|，我写了个DEMO

something = ’’’<li><span class='info-tit'>房屋概况：</span>住宅 <span class='splitline'>|</span>1室1厅1卫<span class='splitline'>|</span><span>46m²</span><span class='splitline'>|</span> (高层)/共18层<span class='splitline'>|</span>南北<span class='splitline'>|</span> 豪华装修 </li>’’’;soup = BeautifulSoup(something, ’lxml’)plaintext = soup.select(’li’)[0].get_text().strip()

通过get_text()得到内在所有内容，然后去除空格。后面你就用split进行分割吧，后面的不写了。如果有问题再交流。

房屋概况：

46m²

innerText

你这种情况，我觉得用 for 循环加上正则表达式是最方便的，如果所有模版都是这样固定的话

用pyquery吧

from pyquery import PyQuery as Q

Q(text).find(’.house-info li’).text()