La extracción de un valor de atributo con BeautifulSoup

Question

Estoy tratando de extraer el contenido de un solo atributo "valor" en una etiqueta específica "de entrada" en una página web. Yo uso el siguiente código:

import urllib 
f = urllib.urlopen("http://58.68.130.147") 
s = f.read() 
f.close() 

from BeautifulSoup import BeautifulStoneSoup 
soup = BeautifulStoneSoup(s) 

inputTag = soup.findAll(attrs={"name" : "stainfo"}) 

output = inputTag['value'] 

print str(output) 

consigo un TypeError: Lista de los índices deben ser enteros, no str

a pesar de la documentación BeautifulSoup entiendo que las cadenas no deben ser un problema, pero aquí ... No soy especialista y puedo haber entendido mal.

¡Cualquier sugerencia es muy apreciada! Gracias de antemano.

Answer 1

.findAll() lista retornos de todos los elementos que se encuentran, por lo que:

inputTag = soup.findAll(attrs={"name" : "stainfo"}) 

inputTag es una lista (probablemente contiene sólo un elemento). Dependiendo de lo que desea es exactamente lo que tampoco debe hacer:

output = inputTag[0]['value'] 

o utilizar .find() método que devuelve sólo una (primera) encontrado elemento:

inputTag = soup.find(attrs={"name": "stainfo"}) 
output = inputTag['value'] 

Answer 2

que en realidad le sugeriría un ahorro de tiempo camino a seguir con esto asumiendo que sabes qué tipo de etiquetas tienen esos atributos.

supongamos decir un xyz etiqueta tiene que attritube llamado "staininfo" ..

full_tag = soup.findAll("xyz") 

Y Me wa que entiendan que full_tag es una lista

for each_tag in full_tag: 
    staininfo_attrb_value = each_tag["staininfo"] 
    print staininfo_attrb_value 

De este modo se puede obtener toda los valores attrb de staininfo para todas las etiquetas xyz

Answer 3

Si desea recuperar múltiples valores de atributos de la fuente anterior, puede usar findAll y una lista de comprensión para g y todo lo que necesita:

import urllib 
f = urllib.urlopen("http://58.68.130.147") 
s = f.read() 
f.close() 

from BeautifulSoup import BeautifulStoneSoup 
soup = BeautifulStoneSoup(s) 

inputTags = soup.findAll(attrs={"name" : "stainfo"}) 
### You may be able to do findAll("input", attrs={"name" : "stainfo"}) 

output = [x["stainfo"] for x in inputTags] 

print output 
### This will print a list of the values. 

Answer 4

En Python 3.x, sólo tiene que utilizar get(attr_name) en el objeto etiqueta que se obtiene con find_all:

xmlData = None 

with open('conf//test1.xml', 'r') as xmlFile: 
    xmlData = xmlFile.read() 

xmlDecoded = xmlData 

xmlSoup = BeautifulSoup(xmlData, 'html.parser') 

repElemList = xmlSoup.find_all('repeatingelement') 

for repElem in repElemList: 
    print("Processing repElem...") 
    repElemID = repElem.get('id') 
    repElemName = repElem.get('name') 

    print("Attribute id = %s" % repElemID) 
    print("Attribute name = %s" % repElemName) 

contra el archivo XML conf//test1.xml que se parece a:

<?xml version="1.0" encoding="UTF-8" standalone="yes"?> 
<root> 
    <singleElement> 
     <subElementX>XYZ</subElementX> 
    </singleElement> 
    <repeatingElement id="11" name="Joe"/> 
    <repeatingElement id="12" name="Mary"/> 
</root> 

copias:

Processing repElem... 
Attribute id = 11 
Attribute name = Joe 
Processing repElem... 
Attribute id = 12 
Attribute name = Mary 

Answer 5

también puede utilizar esto:

import requests 
from bs4 import BeautifulSoup 
import csv 

url = "http://58.68.130.147/" 
r = requests.get(url) 
data = r.text 

soup = BeautifulSoup(data, "html.parser") 
get_details = soup.find_all("input", attrs={"name":"stainfo"}) 

for val in get_details: 
    get_val = val["value"] 
    print(get_val)