beautifulsoup库疑问？

<div class="des-more">  <div>     <span>公司全称：北京小桔科技有限公司</span>  </div>  <div>     <span>成立时间：2012.7</span>     <span>公司规模：2000人以上</span>  </div>  <div>     <span class="tag green">运营中</span>     <span class="tag red">已关闭</span>  </div></div>
像上述HTML文档，我想提取公司全称、成立时间、公司规模。这三个都所属span标签下，该如何区分提取？用select可以实现嘛？

你这种情况，要抓取的内容都含有字段名，那就可以全弄下来再根据字段名提取你要的3个字段
find_all('span')

或者用正则，把标签和字段名都写入正则表达式

其实beautifulsoap是一个比较老的技术，不一定非要守着它，它主要完成html的解析，现在有很多方案可以替代它

Fuller 发表于 2016-11-6 10:21
其实beautifulsoap是一个比较老的技术，不一定非要守着它，它主要完成html的解析，现在有很多方案可以替代 ...

您说的很有道理。我只需要把所需要的内容，提取出来即可。您对此有什么建议嘛？

或者:

1. # -*- coding:utf-8 -*-
   
2. __author__ = 'vsyour'
   
3. 
   
4. from bs4 import BeautifulSoup
   
5. 
   
6. html_doc = '''<div class="des-more">  <div>     <span>公司全称：北京小桔科技有限公司</span>  </div>  <div>     <span>成立时间：2012.7</span>     <span>公司规模：2000人以上</span>  </div>  <div>     <span class="tag green">运营中</span>     <span class="tag red">已关闭</span>  </div></div>'''
   
7. 
   
8. soup_html = BeautifulSoup(html_doc, 'html.parser')
   
9. list_html = soup_html.find_all('span')
   
10. print list_html[0].get_text()
    
11. print list_html[1].get_text()
    
12. print list_html[2].get_text()
    
13. print list_html[3].get_text()
    
14. # print list_html[4].get_text()
    
15. 
    

复制代码