Easy HTML Scraper:通过单元格内的锚点属性验证刮板行结果吗?

如何解决Easy HTML Scraper:通过单元格内的锚点属性验证刮板行结果吗?

我正在JSON文件中编辑其他人的代码,并且尝试使用Easy HTML Scraper验证刮板搜索结果(不是那么容易!)

在终端中进行测试时,以下BeautifulSoup代码可以满足我的要求:

page_soup.select('table')[5].select('tr:contains("Search String")')

它从表中获取行并验证它们是否正确。不幸的是,当没有搜索结果时,该表包含随机行,因此需要进行验证。

尽管我可以看到导入了bs4程序的某些.py文件,但似乎无法识别出使用上述代码(不带前导字符串page_soup。)的JSON。改用EHP,我可以正确选择表和行,但无需使用以下方法进行验证:

"row": "find_once('table',('class','forum_header_border'),order=3).find_all('tr')"

此表的工作方式,如果一行有效,则所有行均有效。为了进行验证,我需要能够比较锚标记,单元格,行的属性,但是我无法使其工作。我一直在寻找EHP(https://pydoc.net/ehp/2.0.1/ehp/)的各种选项,这些选项可以返回父母,例如:

find_with_root(name,*args)
take_with_root(*args)
match_with_root(*args)

我已经检查了JSON中其他所有刮板的“行”行(在此处{https://hastebin.com/esuheweguz.sql)进行了尝试,以尝试将其用于我的目的,但未成功。

此bin(https://del.dog/unamogruna.txt)是完整HTML的摘录,其中包含表,其中包含有效的行,因为存在有效的搜索结果。

使用Easy HTML Parser可以进行这种验证吗?最终,如果可能的话,我希望将其与{title}进行比较,但一个好的开始是手工字符串。

为了进行测试,要排除使用{title}的任何问题,我首先尝试查找带有类'searchinfo'的锚标签的父td标签,该标签的父tr标签和父表标签其中。然后,我应该可以从该表中找到所有trs。

我认为需要类似的东西,这是错误的,因为我使用的是错误的方法,错误的语法或错误的顺序-可能全部是三个:

"row": "find_with_root(('a','searchinfo')).find_with_root('td').find_all('tr')"

几天前我才开始研究python并进行抓取,但是如果有更多经验的人来研究它,他们可能会很快得出解决方案。

编辑:

在查看另一排刮板的非行之后:

"anotherline": "item.take_with_root(('src','http://img.abcdefg.com/pic/protocol-icon-49sw-12h.gif'))[0].attr['href'].replace('protocol:?xt=urn:btih:)[0].attr['href'].replace('protocol:?xt=urn:btih:)','') if item.take_with_root(('src','http://img.abcdefg.com/pic/protocol-icon-12w-12h.gif')) else ''",

我正在我正在编辑的行上尝试条件语句:

"row": "find_once('table',order=3).find_all('tr') if 1<2 else ''",

并且根据情况正常运行。如果现在我能确定如何使这种情况成为要搜索的字符串输入是否为以下值:

/html/body/div[1]/table[1]/tbody/tr/td/form/div[1]/input

从表中title属性的开头匹配相同数量的字符:

/html/body/div[1]/table[5]/tbody/tr[3]/td[2]/a

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 &lt;select id=&quot;xxx&quot;&gt; SELECT di.id, di.name, di.work_type, di.updated... &lt;where&gt; &lt;if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 &lt;property name=&quot;dynamic.classpath&quot; value=&quot;tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -&gt; systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping(&quot;/hires&quot;) public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate&lt;String
使用vite构建项目报错 C:\Users\ychen\work&gt;npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-